Bab 2 Statistika Dalam Penilaian Hasil Belajar 2.1. Pengertian Statistik Fungsi

Statistika dalam Penilaian Hasil Belajar
BAB 2
STATISTIKA DALAM PENILAIAN
HASIL BELAJAR
2.1. Pengertian Statistik Fungsi
Aktivitas pembelajaran di sekolah adalah rutin dilakukan oleh guru

dalam mencerdaskan siswa sampai memberikan perubahan perilaku pada diri
sebagai dampakpembelajaran yang merekaterima. Sebagai pendidik, guru
senantiasa menginginkan hasil pembelajaran memberikan hasil maksimal agar
pengajaran disebut berhasil, dan untuk mengetahui hasil pembelajaran yang telah
diberikan selama kurun waktu tertentu, maka alat yang digunakan mengukurnya
adalah instrumen hasil belajar berupa tes atau nontes yang dianalisis
menggunakan statistika. Secara umum penggunaan statistika dasar sering
diterapkan dalam analisis hasil belajar, di antaranya ukuran gejala memusat,
sekor total, sekor rata-rata, media, modus, kurtil, dan lain sebagainya yang
dibutuhkan untu analisis data.
Statistik dimaknai sebagai suatu kumpulan bahan keterangan (data),
baik yang berwujud data kuantitatif berupa angka-angka atau bilangan hasil
pengukuran, juga dapat berupa data kualitatif yang tidak berwujud angka.
Statistika memiliki arti penting dan memiliki manfaat besar bagi suatu
kepentingan penilaian hasil belajar. Statistika berfungsi sebagai alat analisis data
pengukuran yang di peroleh dari sampel yaitu dari keseluruhan populasi yang
diteliti atau diujkur. Istilah lain dari statistik dapat berupa
Data statistik, Kegiatan Statistik , Metode Statistik, ataupun Ilmu Statistik.
Penggolongan statistika dapat ditinjau dari tingkatan atau tahapan
analisis berdasarkan tingkatan pengukuran hasil belajar atau pengukuran lainnya
yang dalam hal ini peranan statistik berfungsi sebagai analisis terhadap data yang
dikaji melalui ilmu pengetahuan yang oleh para ilmuan dibedakan menjadi
statistik deskriptif atau inferensial. Tingkat aktivitasnya mencakup cara-cara
menghimpun, menyusun atau mengatur, mengolah, menyajikan, dan menganalisi
data angka, dan mampu mendiskripsikan hasil analisis secara sistematis, rigkas,
jelas dan akurat.
2. 2. Sekor Hasil Belajar
Informasi kegiatan belajar dan mengajar harus diupayakan secara

maksimal agar mutu pendidikan meningkat. Hal ini dilakukan karena majunya
pendidikan membawa implikasi meluas terhadap pemikiran manusia dalam
berbagai bidang sehingga setiap generasi muda harus belajar banyak untuk
menjadi manusia terdidik sesuai dengan tuntunan zaman. Tujuan pendidikan
terkandung dalam setiap pengalaman belajar, tidak ditentukan dari luar, sama
dengan tujuan hidup.
114
Berhasilnya suatu tujuan pendidikan tergantung pada bagaimana proses

belajar mengajar yang dialami oleh siswa. Guru dituntut untuk teliti dalam
memilih dan menerapkan metode mengajar yang sesuai dengan tujuan yang ingin
dicapai. Menciptakan kegiatan belajar mengajar yang mampu menciptakan hasil
belajar yang efektif merupakan tugas dan kewajiban guru. Hasil proses
pembelajaran akan ditentukan oleh hasil penilaian akhir yang diberikan guru
melalui ujiaj, yang digambarkan oleh sekor hasil belajarnya. Hasil penilaian
akhir digambarkan melalui sekor hasil belajar dapat berupa sekor satuan pada
siswa, dan semua kelompok sekor satuan pada satu siswa berada sesuai dengan
jawaban benar atau salah untuk setiap butir tes yang dijawab mereka. Kelompok
siswa berada pada kolom vertikal, misal siswa 1 sampai siswa ke-n. Kelompok
sekor total dari semua siswa, terletak pada kolom bagian paling kanan yang
merupakan sekor total untuk sejulah butir tes yang di jawab benar. Kelompok
butir tes berada pada baris paling atas yakni dari butir tes pertama sampai butir
tes tertentu, sehingga sekor total untuk setiap butir yang dijawab sejumlah siswa
ditempatkan pada baris paling bawah. Hal ini menafsirkan sejauh mana setiap
butir mampu dijawab oleh sejumlah siswa, sehingga dari keadaan ini dapat
dihitung tingkat kesukaran setiap butir. Keadaan ini dapat ditampilkan sebagai
berikut.
Tabel 2.1. Jawaban dan sekor total siswa untuk sejumlah butir tes objektif
Siswa Butir Tes Total

1 2 3 4 5 ... i j ... . N Sekor
1
2
3
4
5
.
.
.
g
h
.
Sekor – Satuan Pada
.
.
Responden Ke-G
m
Sekor Responden
115
Sekor – Satuan pada Siswa
Keberadaan letak sekor satuan dari jawaban siswa mencakup semua

sekor satuan yang dihasilkan oleh siswa. Kelompok siswa ditulis pada kolom
vertikal, misal siswa 1 sampai siswa ke-n. Kelompok sekor total dari setiap siswa
ditulis pada kolom vertikal bagian paling kanan yang dimaknai sebagai sekor
total untuk sejumlah butir tes yang di jawab benar oleh seorang siswa. Kelompok
butir tes berada pada lajur horizontal yakni pada posisi baris paling atas berupa
letak butir-1 sampai butir tes tertentu, sehingga sekor total untuk setiap butir
yang dijawab oleh sejumlah siswa ditempatkan pada baris paling bawah. Hal ini
memaknai sejauh mana setiap butir mampu dijawab oleh sejumlah siswa,
sehingga dari keadaan ini dapat dihitung tingkat kesukaran dan daya pembeda
setiap butir. Keadaan ini dapat ditampilkan sebagai berikut.
Tabel 2.2. Jawaban siswa untuk sejumlah butir tes objektif
B U T I R TES
1 2 3 4 5 6 ... i j... N
1
S 2
3
4
I 5
6
.
S .
.
g
W
h
.
A .
.
Dalam penilaian hasil belajaran, sekor tes dianalisis dengan statistika

menyangkung berbgai perhitungan yang menghasilkan nilai hitung yang
diinginkan, misalnya perhitungan korelasi biserial digunakan untuk data interval
dengan data dikotomi murni, dan penerapannya pada statistik dikaitkan dengan
116
korelasi biserial. Dalam hal ini, korelasi biserial dimaknai sebagai instrumen
yang dapat menganalisis bentuk tes objektif pilihan ganda dan sejenisnya yang
diterapkan dalam penilaian hasil belajar, di mana koefisien korelasi seperti ini
dimanfaatkan untuk melihat hubungan antara butir skor dengan sekor totalnya
yang dihasilkan atau hasil jawaban pada masing-masing pertanyaan butir tes
yang diberikan dalam seperangkat tes tes objektif. Keefektifan penggunaan
korelasi biserial yang diterapkan pada tipe tes objektif pilihan ganda (multiple
choice) dan juga untuk tipe tes lainnya. Hasilnya berupa data dikotomi murni
yang oleh para guru digunakan untuk mengetahui karaktristik siswa dalam
memberikan jawaban pada tes objektif tersebut.
Aplikasi analisis statistika digunakan untuk melihat berbagai fenomena
berupa pola jawaban bervariasi yang diberikan oleh siswa, di mana para guru
dihadapkan berbagai fenomena berupa suatu kenyataan yang memperlihatkan
bahwa di satu pihak siswa akan memberikan jawaban yang benar terhadap
pertanyaan yang sulit, sementara di pihak lain beberapa siswa akan memberikan
jawaban yang salah atas pertanyaan soal. Dalam hal ini, sistem tebakan dalam
ujian tidak terhindarkan, sebab kemampuan setiap siswa berbeda, dan fenomena
ini tidak dapat dihindari. Pemakaian statistik statistik harus mentaati aturan atau
cara menarik kesimpulan yang bersifat umum. Pada dasarnya statistik sebagai
ilmu pengetahuan meliputi ciri khusus yaitu :
a. Statisik selalu bekerja dengan angka atau bilangan.
b. Statistik bersifat objektif menganalisis mengacu berdasarkan data yang ada.
c. Statistik bersifat universal yang dimaknai sebagai suatu ruang lingkup yang
menggarapan analisis yang berlaku untuk di semua bidang terapan ilmu
lainnya.
Pada proses analisis data hasil pengukuran, fungsi statistika meliputi
kajian penting mengingat bahwa ada tiga permasalahan dasar yang harus ditelaah
mengingat peranannya yang cukup dibutuhkan dalam setiap analisis statistik
mengacu pada kecenderungan memusat data mencakup: : hitungan rerata dari
sekelompok data, penyebaran data, dan keterkaitan atau korelasi antar berbagai
variabel yang mengandung kelompok data.
Fungsi dan kegunaan statistika dalam penilaian pendidikan
pengukuran kompetensi siswa setelah mereka menempuh proses pembelajaran
dalam kurun waktu tertentu sebenarnya dapat bersifat kuanatiatif yang dapat
dimaknai secara kualilitatif, namun dapat diubah menjadi alat uji statistika dalam
kaitannya dengan penilaian hasil belajar, cara pengukuran, instrumen yang
dipakai, data yang dihasilkan dengan menggunakan data kuantitatif , maka dapat
diyakini bahwa statistik akan mempunyai fungsi penting sebagai alat bantu untuk
memperoleh, menganalisis dan menyimpulkan hasil pengukuran yang diperoleh
dalam kegiatan penilaian tersebut. Upaya untuk memperoleh gambaran khusus
maupun gambaran secara umum tentang suatu fenomena atau peristiwa,
mengikuti perkembangan atau pasang surut mengenai gejala keadaan atau
peristiwa tersebut, dari waktu ke kewaktu, melakukan pengujian, apakah gejala
yang satu berbeda dengan gejala yang lain ataukah tidak, jika terdapat perbedaan
117
apakah perbedaan itu merupakan perbedaan yang berarti (signifikan) ataukah

perbedan itu terjadi hanya secara kebetulan saja, mengetahui, apakah gejala yang
satu ada hubungannya dengan gejala yang lain, menyusun laporan yang berupa
data kuantitatif dengan teratur, ringkas dan jelas, menarik kesimpulan secara
logis, mengamil keputusan secara tepat dan mantap, serta dapat memperkirakan
atau meramalkan hal-hal yang mungkin terjadi di masa mendatang, dan langkah
konkret apa yang kemungkinan perlu dilakukan oleh seorang pendidik dalam
menerapkan statistik dan pengukuran.
2. 3. Distribusi Frekuensi Data.
Pada suatu proses pengukuran melalui suatu instrument tes atau

nontes, hasil pengukuran yang kita diperoleh dinamakan data mentah yang selalu
bervariasi. Dari data mentah yang diperoleh, agakl sulit untuk menarik
kesimpulan yang bermakna selama hasil analisis yang dilakukan terhadap data
tersebut kurang tepat dalam arti akurasinya rendah. Dalam hal ini, untuk
memperoleh makna yang baik mengenai data tersebut, maka terlebih dahulu data
mentah tersebut perlu di olah secara akurat. Untuk sekumpulan data mentah yag
didapat, kita dihadapkan pada kumpulan data yang cukup banyak, yang mana
diperlukan upaya yang sesuai dan serasi untuk mengatur dan merangkum data
itu, dengan upaya membuat data tersebut ke dalam bentuk tabelisasi yang berisi
daftar nilai yang mungkin saja berbeda (baik secara individu atau secara
kelompok) bersama dengan frekuensi yang sepadan dan dapat mewakili berapa
kali nilai-nilai tersebut terjadi. Dalam hal ini, sebaran nilai data tersebut
dirangkum dalam tabel yang lebih sederhana yang disebut sebagai Daftar
Frekuensi atau Sebaran Frekuensi (Distribusi Frekuensi), atau sebaran data
berkelompok. Dari keadaan tabel distribusi ini, maka data distribusi frekuensi
seperti ini dimaknai sebagai bentuk daftar nilai data (dapat berupa nilai
individual atau berupa nilai data kelompok dalam kisaran atau selang interval
khusus) yang disertai dengan nilai frekuensi yang tentunya sesuai.
Selanjutnya, dalam kaitan dengan pengelompokkan data ke dalam

beberapa kelas intrval, bertujuan untuk menghubungkan data tersebut agar ciri-
ciri penting yang termaktub data tersebut dapat segera terlihat secara rinci dan
ringkas, serta terperinci. Dari keseluruhan data dalam daftar distribusi frekuensi
tersebut akan dapat memberikan gambaran unik dan khas tentang berbagai
fenomena keragaman data. Dalam analisis statistika dan pengukuran, fenomena
dan ciri keragaman data cukup penting untuk diketahui, karena dalam pengujian-
pengujian statistik inferensial selanjutnya kita harus selalu memperhatikan
fenomena dan ciri dari keragaman data, karena tanpa memperhatikan fenomena
dan ciri keragaman data tersebut, maka penarikan suatu konklusi atau
kesimpulan yang sahih umumnya kurang sahih.
118
Sebagai contoh, perhatikan contoh data hasil tes Matematika yang

diikuti oleh 200 siswa SMA sebagai berikut.
31, 33, 37, 35, 36, 38, 32, 40, 46, 45, 40, 44, 45, 45, 41, 40, 50, 53, 51, 48, 49,
47, 46, 53, 48, 54, 50, 48, 57, 55, 60, 59, 61, 62, 58, 57, 59, 60, 57, 56, 55, 58,
59,62, 61, 60, 55, 56, 57, 58, 60, 55, 59, 58, 61, 56, 57, 59, 58, 56,68, 65, 66,
69,69, 65, 60, 61, 65, 67,68, 67, 66, 69, 65, 60, 61, 63, 67, 68, 66, 68, 69, 67,
69,68, 66, 63, 64, 64, 65, 63, 64, 65,63, 64, 65, 66, 67, 68, 69, 68, 67, 65, 63, 64,
65,66, 73, 75, 78,79,72, 71,72, 74, 75, 76, 77, 78, 86, 79, 74, 75, 73, 74, 76, 77,
75, 76, 72, 70, 78, 79, 79, 77, 76, 74, 77, 78, 79 , 86, 87, 86, 86, 85, 80, 83, 82,
85, 84, 85, 87, 86, 80,84, 82, 81, 85, 86, 87, 82, 85, 86, 84, 90, 88, 89, 95, 94, 93,
92, 91, 90, 80, 89, 95, 92, 93, 95, 94, 92, 94, 97, 98, 96, 97, 98, 96, 98, 99.
Dari data mentah tersebut cukup sulit untuk menarik suatu kesimpulan
apa yang diinginkan sebelum data dianalisis dengan analisis yang diinginkan dan
data diinput lebih dahulu ke dalam daftar data distribusi frekuensi. Selanjutnya,
secara sepintas kita belum bisa menentukan berapa nilai ujian terkecil atau
terbesar. Demikian pula, kita belum bisa mengetahui dengan tepat, berapa nilai
ujian yang paling banyak atau berapa banyak mahasiswa yang mendapatkan nilai
tertentu. Dengan demikian, kita harus mengolah data tersebut terlebih dulu agar
dapat memberikan gambaran atau keterangan yang lebih baik.
Dalam pengukuran hasil belajar yang cukup banyak, data hasil

pengukuran tersebut dapat disusun dalam bentuk distribusi frekuensi disusun
melalui tahapan berikut
1. data yang tersebar dikumpulakan dan diringkas dalam bentuk kisaran

interval
2. dari kisaran tersebut diperoleh gambaran mengenai ciri-ciri dan
karakteristik data
3. gambaran dan karakteristik data merupakan dasar dalam penyusunan

grafik, berupa kurva, histogram dan berbagai grafik fungsi yang
digunakan.
Tahapah atau langkah-langkah yang harus yang harus diterapkan untuk

pembuatan distribusi adalah sebagai berikut.
1. Lakukan penyusunan data, idealnya dari data terkecil ke data yang

tertinggi
2. Tentukan range (rentang) data berupa selisih data tertinggi data terkecil
119
3. Tetapkan banyak kelas yang diinginkan, idealnay berkisar antara 5 dan

20 kelas. Dapat digunakan Aturan Sturges yakni: Banyak kelas = 1 + 3.3 log
n, n = banyaknya data
4. Tentukan panjang kelas interval (p), di mana :
5. Tentukan nilai ujung bawah kelas interval pertama, dalam hal ini dapat
memilih data terkecil atau angka yang lebih kecil dari data terkecil asalkan
pada akhirnya nilai data terbesar terlingkupi dalam interval terakhir.
Contoh:
Andaikan data hasil tes objektif pelajaran Matematika yang diikututi
oleh 200 orang siswa sepertib tertera di atas, tentukanlah bentuk distribusi data
lengkapnya.
Penyelesaian:
1. Rentang atau range data = nilai tertinggi – nilai terendah = 99 – 31 = 68
2. Banyak Kelas = 1 + 3,3 x log(n) = 1 + 3.3 x log(200) = 8,6 ≈ 9

4. Panjang Kelas:
5. Pentuan nilai data di atas ke dalam kelas interval sehingga menjadi sebagai
berikut.
Penentuan nilai batas bawah kelas bebas saja, asalkan nilai terkecil
masih masuk ke dalam kelas tersebut. Misalkan: apabila nilai batas bawah yang
kita pilih adalah 31, maka interval kelas pertama: 31 – 38, nilai data 31 tepat
jatuh pada kelas ke-1. Namun apabila kita pilih nilai batas bawah kelas 25 atau
27, jelas nilai terkecil tidak termasuk dalam interval pertama.
Tabel 2.3. Nilai Distribusi frekuensi
Nilai Ujian f
31-38 7
39-46 9
47-54 21
55-62 32
63-70 48
71-78 33
79-86 24
87-94 18
95-102 8
Total 200
120
2. 4. Distribusi Frekuensi Relatif dan Kumulatif
Hal penting dari variasi distribusi frekuensi dasar adalah dengan

menggunakan nilai frekuensi relatif datanya, yang disusun dengan membagi
frekuensi setiap kelas dengan total dari semua frekuensi (banyaknya data).
Distribusi fekuensi relatif mencakup batas-batas kelas, tetapi frekuensi yang
digunakan bukan frekuensi aktual melainkan frekuensi relatif. Formula untuk
frekuensi relatif dinyatakan sebagai persen.adalah sebagai berikut:
Contoh: frekuensi relatif kelas ke-1:
f1 = 7; n = 200,
Tabel 2.4. Frekuensi komulatif dan frekuensi relatif
Nilai Ujian frekuensi Frekuensi frekuensi

komulatif relative (%)
31-38 7 7 3.5
39-46 9 16 4.5
47-54 21 37 10.5
55-62 32 69 16
63-69 48 117 24
70-79 33 150 16.5
80-87 24 174 12
88-95 18 192 9
96-103 8 200 4
a. Distribusi Frekuensi kumulatif
Pada penyusunan distribusi frekuensi, dapat ditampilkan frekuensi

kumulatif berupa pemilihan suatu penjumlahan satu kelas dengan kelas
berikutnya sehingga merupakan jumlah frekuensi semua kelas. Selanjutnya,
Perhatikan bahwa kolom frekuensi selain label headernya diganti dengan
121
frekuensi kumulatif kurang dari, batas-batas kelas diganti dengan “kurang dari”
ekspresi yang menggambarkan kisaran nilai-nilai baru.
Tabel 2.5. Frekuensi kumulatif kurang dari
Frekuensi kumulatif
Nilai Ujian
kurang dari
kurang dari 31 0
kurang dari 39 7
kurang dari 47 16
kurang dari 55 37
kurang dari 63 69
kurang dari 70 117
kurang dari 80 150
kurang dari 88 174
atau dapat disusun dalam bentuk seperti ini:
Tabel 2.6. Frekuensi kumulatif kurang dari
Frekuensi kumulatif
Nilai Ujian
kurang dari
kurang dari 41 7
kurang dari 51 16
kurang dari 61 37
kurang dari 71 69
kurang dari 81 117
kurang dari 91 150
kurang dari 101 174
b. Histogram
Dari distribusi frekuensi dapat dibuat suatu histogram

yang dimaknai sebagai suatu bagian dari grafik batang di mana
sumbu mendatar mewakili nilai-nilai data kelas dan sumbu tegak
mewakili nilai frekuensinya. Tinggi batang disesuaikan dengan
122
nilai frekuensinya, dan batang satu dengan lainnya saling

berdempetan, tidak ada jarak diantara batang. Suatu histogram
diperoleh setelah tabel distribusi frekuensi data pengamatan
dibuat.
frekuensi
60
50
40
30 frekuensi
20
10
0
31- 39- l47- 55- 63- 70- 80- 88- 96-
38 46 54 62 69 79 87 95 103
Gambar 2.1. Histogram distribuasi rekuensi hasil pengamatan.
c. Poligon Frekuensi:
Pada distribusi frekuensi dapat pula dibuat grafik

berupa bentuk poligon, di mana frekuensi menerapkan garis yang
penghubung ke titik yang berada di atas nilai-nilai titik tengah
kelas. Posisi dari titik-titik tersebut sesuai dengan frekuensi kelas,
dan ruas garis diperpanjang ke arah kanan dan arah kiri sehingga
bentuk grafiknya diawali dan bermuara pada sumbu mendatar.
123
60
50
40
30 Series1
20
10
Gambar 2.2. Poligon frekuensi data.
d. Ogive
Bentuk grafik lain yang dapat dilakukan adalah ogive yang dimaknai
sebagai bentuk grafik garis yang melukiskan frekuensi kumulatif, yang terdapat
pada daftar tabel distribusi frekuensi kumulatif. Dalam hal ini, batas antara kelas
interval dihubungkan oleh ruas garis yang diawali dari batas bawah kelas
pertama dan berakhir pada batas atas dari kelas terakhir. Bentuk grafik ogive
berfungsi untuk menentukan jumlah nilai di bawah nilai tertentu. Sebagai contoh,
pada gambar berikut menunjukkan grafik ogive yang melukiskan frekuensi
kumulatif, yang terdapat pada daftar tabel distribusi frekuensi.
Jadi rerata simpangan
2.5. Simpangan Baku
Jika diketahui data hasil pengukuran x1, x2,..., xn dengan rerata maka
simpangan baku didefinisikan sebagai berikut :
di mana: s = simpangan baku, xi = data ke i, = rerata data, n = banyak data.

124
Dari tabel 2, diperoleh simpangan baku sebagai berikut :
Untuk data kelompok, maka simpangan bakunya dirumuskan sebagai berikut:
atau variansnya menjadi:
di mana: p= panjang kelas interal, f = frekuensi data, d = deiasi data, n = banyak

data
Contoh: Tabel 2.7. Daftar distribusi frekuensi dan perhitungan simpanganbaku,

dan varians sekor 200 siswa
Tabel 2.7. Tahap perhitungan simpangan baku
Nilai fi fk di fi . d fi . d2
Ujian
31-40 9 9 -3 -27 81
41-50 17 26 -2 -34 68
51-60 30 56 -1 -30 30
61-70 84 140 0 0 0
71-80 32 172 1 32 32
81-90 20 192 2 40 80
91-100 8 200 3 24 72
∑ 200 0 5 363
dan
125
2.6. Bilangan Baku
Jika dalam pengukuran diperoleh ada data x1, x2,..., xn dengan rerata , dan
simpangan baku s maka bilangan baku z didefinisikan sebagai berikut :
, untuk i = 1, 2, ..., n.
Dari data pada Tabel 2.9 diperoleh
, ,
Koefisien Varians
Koefisien varians dirumuskan sebagai berikut :
KV = , di mana s = simpangan baku, dan = rerata sekor
Dari tabel 2.9 diperoleh nilai koefisien varians sebagai berikut:
2.7. Koefisien Kovarians

Covarians dua variabel dimaknai sebagai hasil perkalian dari jumlah
perkalian-perkalian simpangan mereka dari rerata untuk sejumlah kasus-kasus.
Untuk dua variabel Xj dan Xk, maka covarians mereka adalah:
Secara umum, kovarians dirumuskan

sebagai berikut:
(Oslon; 1978: 438)
di mana: X dan Y menyatakan dua sekor variabel hasil pengukuran, dan , dan
menyatakan rerata sekor hasil pengukuran variabel X dan Y.
Contoh: Diketahui nilai hasil belajar mata pelajaran Matematika (X) dan
pelajaran Fisika (Y) untuk 20 orang siswa adalah sebagai berikut:
Tabel 2.8. Sekor hasil belajar Matematika dan Fisika 20 siswa.
Siswa Mata Pelajaran

Nomor Matematika Fisika
126
(X) (Y)
1 57 64 -0.45 -2.1 0.945
2 56 63 -1.45 -3.1 4.495
3 55 66 -2.45 -0.1 0.245
4 57 66 -0.45 -0.1 0.045
5 55 65 -2.45 -1.1 2.695
6 54 67 -3.45 0.9 -3.105
7 53 69 -4.45 2.9 -12.905
8 56 68 -1.45 1.9 -2.755
9 57 69 -0.45 2.9 -1.305
10 58 67 0.55 0.9 0.495
11 59 68 1.55 1.9 2.945
12 55 69 -2.45 2.9 -7.105
13 57 66 -0.45 -0.1 0.045
14 58 67 0.55 0.9 0.495
15 53 65 -4.45 -1.1 4.895
16 54 64 -3.45 -2.1 7.245
17 61 67 3.55 0.9 3.195
18 62 68 4.55 1.9 8.645
19 67 61 9.55 -5.1 -48.705
20 65 63 7.55 -3.1 -23.405
Rerata 57.45 66.1 ∑ -62.9
Cov(X,Y) -3.31053
2. 8. Koefisien Korelasi
a. Korelasi Sederhana
Koefisien korelasi dimaknai sebagai suatu ukuran hubungan antara dua
atau lebih variabel, yang memiliki nilai antara -1 dan +1. Bila hanya dua variabel
saja yang dihubungkan maka korelasinyadisebut korelasi sederhana, sedangkan
bila lebih dari dua variabel maka dinamakan korelasi ganda. Jika dua variabel
memiliki hubungan linier sempurna, koefisien korelasi itu akan bernilai 1 atau -
127
1. Korelasi bernilai positif bermakna kenaikan satu variabel mengakibatkan

kenaikan variabel lain, sementera korelasi bernilai negatif bermakna kenaikan
satu variabel mengakibatkan penurunan variabel lainnya bergantung pada apakah
variabel-variabel itu memiliki hubungan secara positif atau negatif. Koefisien
korelasi bernilai 0 bermakna tidak ada hubungan yang linier antara kedua
variabel, dan korelasi bernilai +1 atau -1 bermakna terjadi korelasi sempurna
antara kedua variabel tersebut. Terdapat dua jenis koefisien korelasi yaitu
koefisien korelasi produk momen Pearson, dan koefisien korelasi rank Spearman
berdasarkan pada hubungan peringkat (rank) antara variabel-variabel. Dari
keedua jenis ini, terdapat banyak korelasi yang terjadi, baik bentuk korelasi
sederhana maupun korelasi ganda. Jika terdapat dua variabel bebas X dan
variabel terikat Y, dengan pangan koordinat titik berpasangan (X1,Y1),
(X2,Y2), . . . ,(Xn,Yn), dan sebanya N data, maka rumus koefisien korelasi produk
momen sederhana dirumuskan sebagai berikut:
Dari hasil perhitungan korelasi perlu dilihat tingkat kebermaknaan hubungan itu
sehingga nilai r hitung harus dibandingkan dengan nilai korelasi yang tertera di
tabel korelasi dari r Product-Moment berikut dengan tingkat kesalah α yang
dipilih sedemikian rupa dan banyak data (N) yangyang dikorelasikan.
Tabel 2.9. Nilai Kritik dari r Product – Moment
N Interval Keperecayaan N Interval Keperecayaan

95% 99% 95% 99%
3 0,997 0,999 36 0,329 0,424
4 0,950 0,990 37 0,325 0,418
5 0,878 0,959 38 0,320 0,413
6 0,811 0,917 39 0,316 0,408
7 0,754 0,874 40 0,312 0,403
8 0,707 0,874 41 0,308 0,396
9 0,666 0,798 42 0,304 0,393
10 0,632 0,765 43 0,301 0,389
11 0,602 0,735 44 0,297 0,384
12 0,576 0,708 45 0,294 0,380
13 0,553 0,684 46 0,291 0,276
14 0,532 0,661 47 0,288 0,372
15 0,514 0,641 48 0,284 0,368
128
16 0,497 0,623 49 0,281 0,364

17 0,482 0,606 50 0,267 0,361
18 0,468 0,590 55 0,266 0,345
19 0,456 0,575 60 0,254 0,330
20 0,444 0,561 65 0,244 0,317
21 0,433 0,549 70 0,235 0,306
22 0,423 0,537 75 0,227 0,296
23 0,413 0,526 80 0,220 0,286
24 0,404 0,515 85 0,213 0,278
25 0,396 0,505 90 0,207 0,270
26 0,388 0,491 95 0,202 0,263
27 0,381 0,487 100 0,195 0,256
28 0,374 0,478 125 0,176 0,230
29 0,367 0,470 150 0,159 0,210
30 0,361 0,463 175 0,148 0,194
31 0,355 0,456 200 0,138 0,181
32 0,349 0,449 300 0,113 0,148
33 0,344 0,442 400 0,098 0,128
34 0,339 0,436 500 0,088 0,115
35 0,334 0,430 600 0,080 0,105
700 0,074 0,097
800 0,070 0,091
900 0,065 0,086
1000 0,062 0,081
Contoh: Dari data Tabel 2.11, hitunglah korelasi antara X dan Y
129
Tabel 2.10. Proses perhitungan koefisien korelasi
No X Y X2 Y2 XY
1 57 64 3249 4096 13307904

2 56 63 3136 3969 12446784
3 55 66 3025 4356 13176900
4 57 66 3249 4356 14152644
5 55 65 3025 4225 12780625
6 54 67 2916 4489 13089924
7 53 69 2809 4761 13373649
8 56 68 3136 4624 14500864
9 57 69 3249 4761 15468489
10 58 67 3364 4489 15100996
11 59 68 3481 4624 16096144
12 55 69 3025 4761 14402025
13 57 66 3249 4356 14152644
14 58 67 3364 4489 15100996
15 53 65 2809 4225 11868025
16 54 64 2916 4096 11943936
17 61 67 3721 4489 16703569
18 62 68 3844 4624 17774656
19 67 61 4489 3721 16703569
20 65 63 4225 3969 16769025
∑ 1149 1322 66281 87480 288913368
Penyelesaian:
Dari data hasil ujian Matematika (X) dan Fisika (Y) diperoleh :
, , , ,
Nilai korelasi ini adalah negatif, hal ini bermakna kurang baiknya
hubungan antara hasil ujian Matematika dengan Fisika, malah hubungan itu jelek
130
sekali. Artinya jika salah satu nilai mata pelajaran naik menyebabkan mata
pelajaran lainnya malah menurun. Mungkin ada kesalahan dalam proses
pembelajaran ataupun penyebab lainnya, yakni guru pada kedua mata pelajaran
ini tidak pernah menerapkan atau mengajarkan salah satu yang berkaitan dari
kedua mat pelajaran ini, sedangkan semestinya harus diajarkan.
Korelasi product moment antara dua variabel juga dapat dihitung dengan
melibatkan pemakaian koefisien covarians antara kedua variabel yakni dengan
menghitung kuadrat akar perkalian varians-varians mereka. Untuk dua variabel
Xj dan Xk, maka koefisien korelasinya dihitung dengan rumus berikut.
di mana , , dan masing-masing menyatakan covarians dan varians

dari variabel –variabelnya.
Contoh: Dari Tabel 2.13, diperoeh Cxy = -3,31, , ,
, , sehingga:
b. Korelasi Biserial
Korelasi biserial mempersyaratkan adanya dua tipe data yang
dikorelasikan yakni data interval dengan data dikotomi murni. Korelasi ini
merupakan banyak sering digunakan dalam dunia pendidikan khususnya dalam
analisis butir dengan butir totalnya, dimana korelasi ini melihat hubungan antara
skor atau hasil jawaban pada masing-masing item pertanyaan yang diberikan
dalam tes dengan sekor total jawaban setiap siswa peserta tes. Korelasi biserial
efektif diberikan pada tipe tes objektif berupa tes pilihan ganda dan sejenisnya
namun dapat juga untuk tipe tes lainnya. Hasilnya para guru atau dosen dapat
mengetahui karaktristik siswa dalam memberikan jawaban terhadap soal tes yang
kita berikan. Dalam hal ini sebueh butir tes dikatakan memiliki karakteirstik
memadai bila buitr tes tersebut mampu memberikan kontribusi terhadap total
keseluruhannya. Rumusumum yang digunakan adalah:
, atau
di mana:
= rerata nilai X dari kelompok variabel dikotomi, di mana sampel dibagi
kedalam dua kelompok
131
= rerata nilai X dari kelompok rendah

p = proporsi kelompok tinggi
q = proporsi kelompok rendah,
St = simpangan baku total sampel dalam variabel H yang mengandung data
kontinu.
y = ordinat unit kurva distribusi normal pada titik pembagian antara segmen yang
memuat proporsi-proporsi p dan q (seperti tabel berikut)
Korelasi biserial dapat digunakan untuk melihat fenomena dalam pola
jawaban siswa, di mana para guru dihadapkan pada kenyataan bahwa siswa
tertentu akan memberikan jawaban yang benar terhadap pertanyaan yang sulit
dan sebaliknya pada pertanyaan mudah ia akan memberikan jawaban yang salah.
Hal ini tidak terlepas dari sifat dan keyakinan siswa yang kurang percaya diri
sehingga terhadap jawaban yang diragukan kebenarannya, sah-sah saja mereka
melakukan tebakan terhadap butir tes yang tidak mereka kuasai. Dalam hal ini,
pengujian korelasi tentunya kita mengenal istilah koefisien korelasi dan nilai
signifikansi atau p-value. Hakekatnya sama saja, yaitu pada korelasi biserial nilai
koefisien yang besar dan positif akan mengindikasikan bahwa siswa dapat
menjawab dengan baik item pertanyaan tersebut. Korelasi biserial
mempersyaratkan bahwa korelasi digunakan untuk data interval dengan data
dikotomi murni. Distribusi normal pada titik pembagian antara segmen yang
memuat proporsi-proporsi p dan q seperti tabel berikut.
132
Tabel 2. 11. Standard sekor (deviasi-deviasi) dan ordinal yang menghubungkan

deviasi-deviasi terhadap daerah di bawah kurva normal ke dalam
suatu proporsi besar (B) dan proporsi kecil (C) dan juga nilai
.
B C
Daerah z y Daerah
yang lebih Sekor ordinat yang lebih
luas Standard kecil
0,500 0,0000 0,3989 0,5000 0,500
0,505 0,0125 0,3989 0,5000 0,495
0,510 0,0251 0,3988 0,4999 0,490
0,515 0,0376 0,3987 0,4998 0,485
0,520 0,0502 0,3984 0,4996 0,480
0,525 0,0627 0,3982 0,4994 0,475
0,530 0,0753 0,3978 0,4991 0,470
0,535 0,0878 0,3974 0,4988 0,465
0,540 0,1004 0,3969 0,4984 0,460
0,545 0,1130 0,3964 0,4980 0,455
0,550 0,1257 0,3958 0,4975 0,450
0,555 0,1383 0,3951 0,4970 0,445
0,560 0,1510 0,3944 0,4964 0,440
0,565 0,1637 0,3936 0,4958 0,435
0,570 0,1746 0,3928 0,4951 0,430
0,575 0,1891 0,3919 0,4943 0,425
0,580 0,2019 0,3909 0,4936 0,420
0,585 0,2147 0,3899 0,4927 0,415
0,590 0,2275 0,3887 0,4918 0,410
0,595 0,2404 0,3876 0,4909 0,405
0,600 0,2533 0,3863 0,4899 0,400
0,605 0,2663 0,3850 0,4889 0,395
0,610 0,2793 0,3837 0,4877 0,390
0,615 0,2924 0,3822 0,4867 0,385
0,620 0,3055 0,3808 0,4854 0,380
0,625 0,3186 0,3792 0,4841 0,375
0,630 0,3319 0,3776 0,4828 0,370
0,635 0,3451 0,3759 0,4814 0,365
0,640 0,3585 0,3741 0,4800 0,360
0,645 0,3719 0,3723 0,4785 0,355
0,650 0,3853 0,3704 0,4770 0,350
0,655 0,3989 0,3684 0,4754 0,345
0,660 0,4125 0,3664 0,4737 0,340
0,665 0,4261 0,3643 0,4720 0,335
133
0,670 0,4399 0,3621 0,4702 0,330

0,675 0,4538 0,3599 0,4684 0,325
0,680 0,4677 0,3576 0,4665 0,320
0,685 0,4817 0,3552 0,4645 0,315
0,690 0,4959 0,3528 0,4625 0,310
0,695 0,5101 0,3503 0,4604 0,305
0,700 0,5244 0,3477 0,4583 0,300
0,705 0,5388 0,3450 0,4560 0,295
0,710 0,5534 0,3423 0,4538 0,290
0,715 0,5681 0,3395 0,4514 0,285
0,720 0,5828 0,3366 0,4490 0,280
0,725 0,5978 0,3337 0,4465 0,275
0,730 0,6128 0,3306 0,4440 0,270
0,735 0,6280 0,3275 0,4413 0,265
0,740 0,6433 0,3244 0,4386 0,260
0,745 0,6588 0,3211 0,4359 0,255
0,750 0,6745 0,3178 0,4330 0,250
0,755 0,6903 0,3144 0,4301 0,245
0,760 0,7063 0,3109 0,4271 0,240
0,765 0,7225 0,3073 0,4240 0,235
0,770 0,7388 0,3036 0,4208 0,230
0,775 0,7554 0,2999 0,4176 0,225
0,780 0,7722 0,2961 0,4142 0,220
0,785 0,7892 0,2922 0,4108 0,215
0,790 0,8064 0,2882 0,4073 0,210
0,795 0,8239 0,2841 0,4037 0,205
0,800 0,8416 0,2800 0,4000 0,200
0,805 0,8596 0,2757 0,3962 0,195
0,810 0,8779 0,2714 0,3923 0,190
0,815 0,8965 0,2669 0,3883 0,185
0,820 0,9154 0,2624 0,3842 0,180
0,825 0,9364 0,2578 0,3800 0,175
0,830 0,9542 0,2531 0,3756 0,170
0,835 0,9741 0,2482 0,3712 0,165
0,840 0,9945 0,2433 0,3666 0,160
0,845 1,0152 0,2383 0,3619 0,155
0,850 1,0364 0,2332 0,3571 0,150
0,855 1,0581 0,2279 0,3521 0,145
0,860 1,0803 0,2226 0,3470 0,140
0,865 1,1031 0,2171 0,3417 0,135
0,870 1,1264 0,2115 0,3363 0,130
0,875 1,1503 0,2059 0,3307 0,125
0,880 1,1750 0,2000 0,3250 0,120
0,885 1,2004 0,1941 0,3190 0,115
134
0,890 1,2265 0,1808 0,3129 0,110

0,895 1,2536 0,1818 0,3066 0,105
0,900 1,2816 0,1755 0,3000 0,100
0,905 1,3106 0,1690 0,2932 0,095
0,910 1,3408 0,1624 0,2862 0,090
0,915 1,3722 0,1556 0,2789 0,085
0,920 1,4051 0,1487 0,2713 0,080
0,925 1,4395 0,1416 0,2634 0,075
0,930 1,4757 0,1343 0,2551 0,070
0,935 1,5141 0,1268 0,2465 0,065
0,940 1,5548 0,1191 0,2375 0,060
0,945 1,5982 0,1112 0,2280 0,055
0,950 1,6449 0,1031 0,2179 0,050
0,955 1,6954 0,0948 0,2073 0,045
0,960 1,7507 0,0862 0,1960 0,040
0,965 1,8119 0,0773 0,1838 0,035
0,970 1,8808 0,0680 0,1706 0,030
0,975 1,9600 0,0584 0,1561 0,025
0,980 2,0537 0,0484 0,1400 0,020
0,985 2,1701 0,0379 0,1226 0,015
0,990 2,3263 0,0267 0,0995 0,010
0,995 2,5758 0,0145 0,0705 0,005
0,996 2,6521 0,0118 0,0631 0,004
0,997 2,7478 0,0091 0,0547 0,003
0,998 2,8782 0,0063 0,0447 0,002
0,999 3,0902 0,0034 0,0316 0,001
0,9995 3,2095 0,0018 0,0224 0,0005
Sumber: Guilford & Fruchter, Fundamental Statistics in Psychology and

Education, McGraw-Hill Series in Psychology:,1978: 511-513.
Contoh: Pada Tabel berikut diketahui data dikotomi X dan data kontinu Y dari
25 siswa. Maka korelasi biserial dihitung sebagai berikut
Tabel 2.12. Data dikotomi X dan data kontinu Y dari 25 siswa.
No X Y Y0 Y1
1 1 20 20
2 1 10 10
3 1 15 15
4 0 17 17
5 0 7 7
135
6 0 9 9
7 1 16 16
8 0 30 30
9 1 40 40
10 0 52 52
11 1 41 41
12 0 22 22
13 0 27 27
14 1 19 19
15 1 10 10
16 1 11 11
17 1 18 18
18 0 17 17
19 0 13 13
20 1 13 13
21 0 15 15
22 1 15 15
23 0 16 16
24 1 16 16
25 0 17 17
Y 10.87
Untuk data Yo dan Y1 dihitung sebagai berikut.
Tabel 2.13. Ringkasan data dikotomi X dan data kontinu Y dari 25 siswa.
No Y0 Y1
1 17 20
2 7 10
3 9 15
4 30 16
5 52 40
6 22 41
7 27 19
8 17 10
9 13 11
10 15 18
11 16 13
12 17 15
13 16
136
 20.17 18.77
Dengan demikian:
p 0.52
q 0.48
Yo 20.16667
Y1 18.76923
Y 10.86692
rb -0.0807
Contoh:
Diketahui data sekor hasil ujian Matematika dua kelompok yang
berhasil dan yang gagal seperti pada tabel distribusi frekuensi berikut .
Tentukanlah koefisien korelasi biserial dari kasus ini.
Tabel 2.14. Sekor hasil ujian Matematika dua kelompok yang berhasil dan yang
gagal
Sekor f-sukses f-gagal ds f s . ds dg f g . dg

40-49 2 -4 -8
50-59 1 6 -4 -4 -3 -18
60-69 3 4 -3 -9 -2 -8
70-79 10 11 -2 -20 -1 -11
80-89 27 21 -1 -27 0 0
90-99 30 16 0 0 1 16
100-109 26 7 1 26 2 14
110-119 21 3 2 42 3 9
120-129 7 3 21
130-139 5 4 20
∑ 130 70 49 -6
Rerata 98.1692 83.64286
p 0.65
q 0.35
, dan
Proses perhitungan data nilai hasil ujian Matematika dua kelompok yang
berhasil dan kelompok siswa yang gagal diterakan pada tabel distribusi frekuensi
seperti pada tabel berikut . Tentukanlah koefisien korelasi biserial dari kasus ini.
137
Tabel 2.15. Kisaran sekor dan proses hitungan korelasi biserial titik dari hasil
ujian Matematika dua kelompok yang berhasil dan yang gagal
Sekor fS fG fTotal d fTd xi xi - (xi - )2 fT (xi - )2

40-49 2 2 -4 -8 44.5 -48.65 2366.823 4733.645
50-59 1 6 7 -3 -21 54.5 -38.65 1493.823 10456.76
60-69 3 4 7 -2 -14 64.5 -28.65 820.8225 5745.758
70-79 10 11 21 -1 -21 74.5 -18.65 347.8225 7304.273
80-89 27 21 48 0 0 84.5 -8.65 74.8225 3591.48
90-99 30 16 46 1 46 94.5 1.35 1.8225 83.835
100-109 26 7 33 2 66 104.5 11.35 128.8225 4251.143
110-119 21 3 24 3 72 114.5 21.35 455.8225 10939.74
120-129 7 7 4 28 124.5 31.35 982.8225 6879.758
130-139 5 5 5 25 134.5 41.35 1709.823 8549.113
∑ 200 173 62535.5
Mean 93.15
s 17.7271
Dengan demikian:
c. Korelasi Biserial Titik (Point Biserial Correlation)
Korelasi adalah suatu korelasi yang menghubungkan antara dua data

variabel yang mempersyaratkan data tersebut berbentuk data dikotomi dan data
kontinu. Besarnya koeisien korelasi ini dihitung dengan menerapkan korelasi
biserial titik. Dalam hal ini, jika X menyatakan data dikotomi maka data tersebut
berbentuk (0,1), dan Y data kontinu. Rumus koefisien korelasi biserial titik
adalah:
atau atau
atau
p = proporsi sekor X = 1 pada data dikotomi

q = proporsi sekor X = 0 pada data dikotomi
Y1 = Rerata Y pada sekor X = 1
138
Y0 = Rerata Y pada sekor X = 0

Y = Simpangan Baku sekor total Y
Np dan Nq masing-masing menyatakan frekuensi Y1 dan Y0
Dalam hal ini Korelasi Biserial Titik adalah Korelasi Product Moment
yang ditambah persyaratan tersebut dei atas.
Contoh .
Pada Tabel berikut diketahui data dikotomi X menyatakan data jawaban
terhadap butir tes, dan data kontinu Y menyatakan sekor tatal jawaban tes mata
pelajaran Bahasa Indonesia untuk 25 siswa. Maka korelasi biserial titik dihitung
sebagai berikut.
Tabel 2.16. Sekor jawaban dan sekor total hasil ujian Matematika untuk
25 orang siswa.
No X Y Y0 Y1
1 1 20 20
2 1 10 10
3 1 15 15
4 0 17 17
5 0 7 7
6 0 9 9
7 1 16 16
8 0 30 30
9 1 40 40
10 0 52 52
11 1 41 41
12 0 22 22
13 0 27 27
14 1 19 19
15 1 10 10
16 1 11 11
17 1 18 18
18 0 17 17
19 0 13 13
20 1 13 13
21 0 15 15
22 1 15 15
23 0 16 16
24 1 16 16
25 0 17 17
Y 10.87
139
Untuk data Yo dan Y1 dihitung sebagai berikut.
Tabel 2.17. Ringkasan sekor jawaban dan sekor total hasil ujian
Matematika untuk 25 orang siswa.
No Y0 Y1
1 17 20
2 7 10
3 9 15
4 30 16
5 52 40
6 22 41
7 27 19
8 17 10
9 13 11
10 15 18
11 16 13
12 17 15
13 16
 20,167 18,77
Dengan demikian:
p 0.52
q 0.48
Yo 20.16667
Y1 18.76923
Y 10.86692
pb 0.0321
Jika sekor butir soal adalah berbentuk data dikotomi (dis-kontinum)

yang disekor dengan nilai 1 atau 0 maka digunakan koefisien korelasi biserial
yang dalam hal ini rumus yang digunakan adalah untuk menghitung besarnya
korelasi antara sekor masing-masing butir dengan sekor totalnya sebagai berikut:
140
rbis(i) = koefisien koelasi biserial antara sekor butir-i dengan sekor total
= rerata sekor total responden yang menjawab benar butir soal ke-i
= rerata sekor total seluruh responden
st = simpangan baku sekor total seluruh responden
pi = proporsi jawaban benar butir soal ke-i
qi = proporsi jawaban salah butir soal ke-i
Contoh:
Tabel 2.18. Data jawaban dalam bentu huruf 20 butir tes objektif oleh 20
siswa
Siswa Butir Tes Nomor.....

Nomor 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
A A C B B C E D E A C A A E A A A E B C
1 0 B C B E C A D E B C B C B B C A D B E
2 1 B C B C B A C E A C B C B B B A C B C
3 1 B C C C C E D E B C B C E B C A E B C
4 0 E D B A D A D E A C C E E B B A A B E
5 C B C B C C E D D B C B C B B C A E B C
6 A D D V C D A D A A A B C B B A A B B C
7 B D D B C C E D E B D B C E B A A E B C
8 D B C B C C E D A A B A C E E A B D C A
9 A A C B C B C D E B C C C E A D A C B C
10 B A B B B C C C D A C C A D B C A E B C
11 C C A B D C E A E B E D C A B A A C B A
12 A D D C D D C A A C D E A E C A E E D C
13 C B D B C D E D E B C B C E B C A C B A
14 A B D B A C E D E A B D D E A C D E A C
15 C A C C B C A D C A C A B A A A C C B C
16 A A C B B B A D A A C B B E A A C C B C
17 A A C D B C E D E A C A A A E A A E A D
18 A A C B B B E D A A B B A E A A A A B C
19 D A C D B C D D E A B A A A E A A E A D
20 A D C B C A E D E A B B A E A A A E B C
Atau setelah diobah dengan angka hasilnya menjadi seperti pada tabel berikut.
Tabel 2.19. Data jawaban dalam bentuk angka 20 butir tes objektif oleh 20 siswa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total
1 0 0 1 1 0 1 0 1 1 0 1 0 0 0 0 0 1 0 1 0 8
2 1 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 0 1 1 9
3 1 0 1 0 0 1 1 1 1 0 1 0 0 1 0 0 1 1 1 1 12
141
4 0 0 0 1 0 0 0 1 1 1 1 0 0 1 0 0 1 0 1 0 8
5 0 0 1 1 0 1 1 1 0 0 1 0 0 0 0 0 1 1 1 1 10
6 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1 0 1 1 7
7 0 0 0 1 0 1 1 1 1 0 0 0 0 1 0 1 1 1 1 1 11
8 0 0 1 1 0 1 1 1 0 1 0 1 0 1 0 1 0 0 0 0 9
9 1 1 1 1 0 0 0 1 1 0 1 0 0 1 1 0 1 0 1 1 12
10 0 1 0 1 1 1 0 0 0 1 1 0 1 0 0 0 1 1 1 1 11
11 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 1 1 0 1 0 7
12 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0 1 0 1 6
13 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 0 1 0 1 0 8
14 1 0 0 1 0 1 1 1 1 1 0 0 0 1 1 0 0 1 0 1 11
15 0 1 1 0 1 1 0 1 0 1 1 1 0 0 1 1 0 0 1 1 12
16 1 1 1 1 1 0 0 1 0 1 1 0 0 1 1 1 0 0 1 1 13
17 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1 1 0 0 15
18 1 1 1 1 1 0 1 1 0 1 0 0 1 1 1 1 1 0 1 1 15
19 0 1 1 0 1 1 0 1 1 1 0 1 1 0 0 1 1 1 0 0 12
20 1 0 1 1 0 0 1 1 1 1 0 0 1 1 1 1 1 1 1 1 15
∑ 10 7 12 14 6 11 10 16 12 12 11 4 6 11 6 11 15 9 15 13 211
10.55
st 2.6921
Total nilai setiap siswa berdasar jawaban benar dan salah disusun sebagai berikut.
Tabel 2. 20. Total nilai setiap siswa berdasarkan jawaban benar (1) salah (0)
Butir Tes Nomor...

Siswa 1 2 3 4 5 6 7 8 9 10
1 8 8 8 8 8
2 9 9 9 9 9
3 12 12 12 12 12 12
4 8 8 8 8
5 10 10 10 10 10
6 7 7 7
7 11 11 11 11 11
8 9 9 9 9 9 9
9 12 12 12 12 12 12
10 11 11 11 11 11
11 7 7 7 7
12 6
13 8 8 8 8
14 11 11 11 11 11 11 11
15 12 12 12 12 12 12
16 13 13 13 13 13 13 13
142
17 15 15 15 15 15 15 15 15 15
18 15 15 15 15 15 15 15 15
19 12 12 12 12 12 12 12
20 15 15 15 15 15 15 15
∑ 115 90 142 147 78 118 113 178 128 137
p 10 7 12 14 6 11 10 16 12 12
11.5 12.86 11.83 10.5 13 10.73 11.3 11.13 10.67 11.42
rbis 0.41 0.45 0.42 0.37 0.46 0.38 0.40 0.39 0.38 0.40
Sambungan
11 12 13 14 15 16 17 18 19 20
1 8 8 8
2 9 9 9 9
3 12 12 12 12 12 12
4 8 8 8 8
5 10 10 10 10 10
6 7 7 7 7
7 11 11 11 11 11 11
8 9 9 9
9 12 12 12 12 12 12
10 11 11 11 11 11 11
11 7 7 7
12 6 6 6 6 6
13 8 8 8 8
14 11 11 11 11
15 12 12 12 12 12 12
16 13 13 13 13 13 13
17 15 15 15 15 15 15
18 15 15 15 15 15 15 15
19 12 12 12 12 12
20 15 15 15 15 15 15 15 15
∑ 118 48 74 120 78 122 160 103 158 144
P 11 4 6 11 6 11 15 9 15 13
10.73 12 12.33 10.91 13 11.09 10.67 11.44 10.53 11.08
rbis 0.38 0.42 0.43 0.38 0.46 0.39 0.38 0.40 0.37 0.39
Misalnya: p1 = 10, = 11,5, = 10,55, dan st = 2.692, maka
143
Buktikan butir tes yang lainnya.
144
145
Koefisien Korelasi
Rho-Spearman
Untuk menghitung korelasi Rho-Spearman, terlebih dahulu kita
tentukan apakah ada atau tidak sekor yg sama. Masing-masing keadaan ini harus
mendapat perhatian agar tidak sampai melakukan kesalahan dalam perhitungan.
Hal itu dapat dijelaskan sebagai berikut.
a. Ada data yang sama pada X dan Y
b. Tidak ada data yang sama pada X dan Y
c. Ada data yang sama pada X, tapi pada Y tidak.
d. Tidak ada data yang sama pada X, tapi pada Y ada data yang sama
i. Untuk kasus Peringkat di mana Tidak ada sekor yang sama di X dan Y
Kalau tidak ada sekor yang sama maka data yg didapat diurutkan lebih
dahulu dari data terendah sampai data tertinggi. Selanjutnya dilakukan
perankingan atau peringkat yg sesuai. Selanjutnya dihitung korelasi Rho-
Spearman dengan rumus:
d = selisih rakning di antara X dan Y

N = Banyak pasangan sekor
Contoh: Hitung koeisien korelasi Rho Spearman antara X dan Y pada data
berikut.
Tabel 2.21. Proses perhitungan koefisien korelasi Rho Spearman antara X dan Y,
untuk kasus Peringkat di mana Tidak ada sekor yang sama.
No X Y d d2
1 15 17 -2 4
2 16 20 -4 16
3 18 25 -7 49
4 19 32 -13 169
5 20 35 -15 225
6 22 38 -16 256
7 23 40 -15 225
8 25 43 -18 324
9 32 41 -9 81
146
10 35 44 -9 81
11 36 45 -9 81
12 38 47 -9 81
13 40 50 -10 100
14 43 55 -12 144
15 44 57 -13 169
16 45 62 -17 289
17 47 64 -17 289
18 50 66 -16 256
19 53 67 -14 196
20 55 68 -13 169
21 57 69 -12 144
22 62 70 -8 64
23 64 73 -9 81
24 66 74 -8 64
25 68 75 -7 49
26 70 77 -7 49
27 75 82 -7 49
28 82 85 -3 9
29 88 88 0 0
30 88 92 0 0
n 3777
Jadi diperoleh:
, atau
ii. Untuk kasus Ranking (Peringkat) di mana ada sekor X yang sama sedang
sekor Y tidak sama
Untuk kasus terdapat sekor yg sama dikerjakan dengan terlebih dahulu
melakukan perankingan sekor, kemudian dilakukan perhitungan dengan
menggunakan rumus berbeda setelah terlebih dahulu dilakukan sebuah koreksi
terhadap rumus tersebut sebagai berikut. Besaran koreksi adalah:
, dan
dan
di sini t = banyaknya peringkat sama, dan N = banyaknya sekor.
Kemudian ditentukan pula besaran korelasi:
147
Contoh:
Tabel 2.22. Data X, Y dan proses perhitungan koefisien korelasi Rho Spearman untuk
kasus Ranking (Peringkat) di mana ada sekor X yang sama sedang sekor Y
tidak sama.
Rakn- Rank-
No X Y X-urut Y-ikut Y-urut X Y d=RX-RY d2
1 90 38 15 30 17 1 4 -3 9
2 43 32 17 65 20 2.5 20 -17.5 306.25
3 74 34 17 78 25 2.5 30 -27.5 756.25
4 82 35 32 40 30 4.5 11 -6.5 42.25
5 44 86 32 76 32 4.5 29 -24.5 600.25
6 50 87 38 88 34 7.5 37 -29.5 870.25
7 38 88 38 55 35 7.5 16 -8.5 72.25
8 75 90 38 81 36 7.5 32 -24.5 600.25
9 88 92 38 25 37 7.5 3 4.5 20.25
10 60 93 43 32 38 10 5 5 25
11 66 64 44 86 40 11 35 -24 576
12 32 40 50 87 44 12 36 -24 576
13 17 65 55 60 46 13 17 -4 16
14 70 66 60 93 48 14.5 40 -25.5 650.25
15 70 67 60 48 50 14.5 14 0.5 0.25
16 68 68 62 62 55 16 18 -2 4
17 70 69 63 36 60 17 8 9 81
18 63 36 64 17 62 18 1 17 289
19 68 37 66 64 64 20 19 1 1
20 82 50 66 44 65 20 12 8 64
21 38 55 66 73 66 20 27 -7 49
22 55 60 68 68 67 23.5 23 -0.25 0.0625
23 66 44 68 37 68 23.5 9 13.75 189.06
24 62 62 68 74 69 23.5 28 -5.25 27.5625
25 38 81 68 46 70 23.5 13 9.75 95.06
26 75 82 70 66 72 28 21 7 49
27 88 84 70 67 73 28 22 6 36
28 66 73 70 69 74 28 24 4 16
29 68 74 70 80 76 28 31 -3 9
148
30 32 76 70 72 78 28 26 2 4
31 17 78 74 34 80 31 6 25 625
32 70 80 75 90 81 32.5 38 -5.5 30.25
33 76 70 75 82 82 32.5 33 -0.5 0.25
34 68 46 76 70 84 34 25 9 81
35 70 72 82 35 86 36 7 29 841
36 60 48 82 50 87 36 15 21 441
37 64 17 82 20 88 36 2 34 1156
38 82 20 88 92 90 38.5 39 -0.5 0.25
39 38 25 88 84 92 38.5 34 4.5 20.25
40 15 30 90 38 93 40 10 30 900
∑ 2398 2414 10129,25
Tabel 2.23. Koreksi peringkat yang sama pada data X.
Koreksi Peringkat yang sama pada X
Peringkat t t3
2,5 2 8 0.5
4.5 2 8 0.5
7,5 4 64 5
14,5 2 8 0.5
20 3 27 2
23,5 4 64 5
28 5 125 10
32,5 2 8 0,5
36 3 27 2
38,5 2 8 0.5
TX 26,5
Selanjutnya dihitung nilai :
Sehingga rumus Rho-Spearman menjadi:
iii. Untuk kasus Ranking (Peringkat) di mana ada sekor X dan sekor Y
sama
149
Untuk kasus terdapat sekor yg sama utk X dan Y dikerjakan dengan

terlebih dahulu melakukan perankingan ke dua sekor X dan Y, kemudian
dilakukan perhitungan dengan menggunakan rumus berbeda setelah terlebih
dahulu dilakukan sebuah koreksi data X dan Y.
Contoh.
Tabel 2.24. Proses perhitungan koefisien korelasi Rho Spearman untuk kasus
ranking (peringkat) di mana ada sekor X dan sekor Y sama
Rx-
X- Y- Y- Ry
No X Y urut ikut urut R-X R-Y =d d2 tX ty
1 62 135 17 82 25 1 30.5 -29.5 870.25
2 88 25 25 82 25 2 30.5 -28.5 812.25 3 2
3 55 112 35 82 32 3 30.5 -27.5 756.25
4 116 32 40 128 38 4 44 -40 1600
5 50 115 43 66 38 5.5 14 -8.5 72.25 2 2 0.5 0.5
6 119 45 43 66 43 5.5 14 -8.5 72.25
7 68 167 44 75 45 7.5 27 -19.5 380.25 2 0.5
8 117 38 44 68 47 7.5 18 -10.5 110.25
9 35 82 45 136 50 9 48 -39 1521
10 128 68 46 70 55 10 22.5 -12.5 156.25
11 130 70 47 74 57 11 25 -14 196
12 43 66 50 115 62 12.5 40.5 -28 784 2 0.5
13 40 128 50 43 66 12.5 6 6.5 42.25
14 125 82 53 90 66 14 35.5 -21.5 462.25
15 44 75 55 112 66 15.5 38.5 -23 529 2 0.5
16 45 136 55 25 68 15.5 1.5 14 196
17 47 74 57 62 68 17 12 5 25
18 50 43 62 135 68 19 46.5 -27.5 756.25 3 2
19 53 90 62 88 68 19 33.5 -14.5 210.25
20 55 25 62 112 68 19 38.5 -19.5 380.25
21 57 62 66 55 70 22 10 12 144 3 2
22 62 88 66 66 70 22 14 8 64
23 66 55 66 75 70 22 27 -5 25
24 66 66 68 167 70 25 50 -25 625
25 68 50 68 50 74 25 9 16 256 2 0.5
26 70 57 68 68 75 25 18 7 49
27 75 68 70 57 75 27.5 11 16.5 272.25 2 0.5
28 82 47 70 70 75 27.5 22.5 5 25 2 0.5
29 88 75 74 70 82 29 22.5 6.5 42.25
150
30 90 38 75 68 82 30.5 18 12.5 156.25 2 0.5

31 68 68 75 90 82 30.5 35.5 -5 25
32 70 70 82 47 82 32.5 8 24.5 600.25 2 0.5
33 66 75 82 88 88 32.5 33.5 -1 1
34 17 82 88 25 88 35 1.5 33.5 1122.25 3 2
35 82 88 88 75 90 35 27 8 64
36 75 90 88 115 90 35 40.5 -5.5 30.25
37 44 68 90 38 110 37.5 4.5 33 1089 2 0.5
38 74 70 90 132 112 37.5 45 -7.5 56.25
39 43 66 116 32 112 39 3 36 1296
40 90 132 117 38 115 40 4.5 35.5 1260.25
41 25 82 119 45 115 41 7 34 1156
42 62 112 122 122 122 42 42 0 0
43 88 115 124 135 125 43 46.5 -3.5 12.25
44 134 110 125 82 128 44 30.5 13.5 182.25
45 124 135 128 68 132 45 18 27 729
46 142 125 130 70 135 46 22.5 23.5 552.25
47 122 122 134 110 135 47 37 10 100
48 136 156 136 156 136 48 49 -1 1
49 150 68 142 125 156 49 43 6 36
50 46 70 150 68 167 50 18 32 1024
∑ 20928 10.5 3
151
Soal
Hitung s untuk kasus data X dan Y ada data yang sama dengan mengisi
kolom-kolom berikut.
Tabel 2.25. Data untuk kasus sekor X dan sekor Y sama, terhadap 40 siswa
Rakn- Rank- RX-RY

No X Y X-urut Y-ikut X Y =d d2
1 32 38
2 17 75
3 70 88
4 70 60
5 68 66
6 70 32
7 68 17
8 68 70
9 82 73
10 38 68
11 55 74
12 66 67
13 17 68
14 70 82
15 70 40
16 68 55
17 70 66
18 63 66
19 68 32
20 68 17
21 70 71
22 68 72
23 68 68
24 82 78
25 38 68
26 55 68
27 66 82
28 62 38
29 82 55
30 32 66
31 17 62
32 70 82
152
33 76 45
34 68 45
35 70 79
36 60 32
37 64 44
38 82 45
39 38 25
40 15 35
nd2
Soal
Hitung s untuk kasus data X ada yang sama tapi Y tidak sama dari data
dengan berikut dengan mengisi kolom-kolom data berikut.
Tabel 2.26. Data dan proses perhitungan koefisien korelasi Rho Spearman untuk
kasus ranking (peringkat) di mana ada sekor X dan sekor Y sama
(t3-t)/12
(t3-t)/12
X- Y- Rank- Rank-
No X Y urut urut X Y d d2 pX tX tX3 pY tY tY3
1 62 135
2 88 25
3 55 112
4 116 32
5 50 115
6 119 45
7 68 167
8 117 38
9 35 82
10 128 68
11 130 70
12 43 66
13 40 128
14 125 82
15 44 75
16 45 136
17 47 74
18 50 43
19 53 90
153
20 55 70
21 57 75
22 62 82
23 66 88
24 66 90
25 68 68
26 70 70
27 75 66
28 82 17
29 88 82
30 90 75
31 68 44
32 70 70
33 66 75
34 17 66
35 82 68
36 75 70
37 44 75
38 74 82
39 43 88
40 90 90
41 25 68
42 62 70
43 88 66
44 134 110
45 124 135
46 142 125
47 122 125
48 136 168
49 150 168
50 46 170
n
Perhitungan p-value dilakukan dengan membagi total skor per item

terhadap total skor per siswa, misalnya untuk p-value suatu butir dapat dilakukan
dengan membagi total skor butir soal terhadap jumlah siswa peserta tes yang
mengikuti tes. Dalam hal ini, nilai korelasi di atas, nilai p-value biasanya
mengindikasikan tingkat kesulitan butir tes pertanyaan sedangkan nilai korelasi
biserial mengindikasikan kualitan butir tes yang diberikan berupa indikator butir
tes untuk bentuk pertanyaan yang bermasalah.
154
Jika pada korelasi biserial diperoleh nilai negatif maka hal itu
memperlihatkan bahwa butir-butir tes tersebut kemungkinan kurang sesuai
terhadap tujuan dari tes yang dilakukan. Butir tes yang menunjukkan nilai
biserial rendah mengindikasikan kekurangsesuaian butir tes dengan
permasalahan yang terdapat pada pertanyaan butir tes tersebut, di mana
guru akan mengkaji kesesuaian butir-butir tes terhadap tujuan tes yang
dilakukan. Butir-butir tes yang menunjukkan nilai biserial tertinggi dan
nilai p-value yang relatif tinggi mengindikasikan bahwa pertanyaan butir
tes dapat dijawab secara baik dan cukup merata oleh siswa karena nilai
keduanya tidak terpaut jauh. Hal ini diperlihatkan dengan jumlah siswa
yang menjawab benar sama dengan jumlah siswa yang menjawab salah,
sehingga hal ini menunjukkan butir tes tersebut yang tidak mengandung
masalah. Di sisi lain, pertanyaan butir tes yang paling banyak dijawab
salah oleh siswa mengidikasikan tingkat kesulitan tes cukup tinggi,
sehingga hal ini harus disesuaikan dengan kriteria statistik karena butir tes
semacam itu memiliki nilai p-value yang rendah, dan jika butir tes
memiliki nilai p-value yang tinggi, maka hal itu mengidikasikan bahwa
siswa hanya menebak jawaban.
e. Korelasi Tetrachoric
Salah satu bentuk korelsai adalah korelasi tetrachoric yang dimaknai

sebagai suatu bentuk hubungan antar dua variable yang diartikan sebagai istilah
umum yang mengacu pada sekelompok teknik dalam statistik bivariat yang
digunakan untuk mengukur kekuatan hubungan antara dua variable, di mana
peranannya sebagai pengukuran asosiasi / hubungan. Dalam hal ini, pengukuran
asosiasi salah satu diantara sekian banyak teknik pengukuran asosiasi, meskipun
masih ada teknik korelasi lain seperti korelasi Pearson Product Moment dan
Korelasi Rank Spearman, teknik korelasi Kendal, Chi-Square, Phi Coefficient,
Goodman-Kruskal, dan lainnya. Dalam hal ini, pengukuran asosiasi melibatkan
nilai numerik untuk mengetahui tingkatan asosiasi atau kekuatan hubungan
antara beberapa ubahan. Bila dilibatkan dua ubahan saja maka dikatakan kedua
ubahan itu berasosiasi jika perilaku ubahan yang satu mempengaruhi ubahan
yang lain. Bila tidak terjadi pengaruh, maka kedua ubahan dikatakan saling
bebas (independent). Korelasi ketrachoric merupakan koefisien korelasi yang
digunakan menghitung selama dua ubahan didistribusikan secara normal dan
ubahan yang kedua dinyatakan sebagai pembelahan dua.
Korelasi tetrakorik digunakan untuk mengukur kekuatan hubungan

antara dua variabel (kadang lebih dari dua variabel) dengan skala-skala tertentu,
misalnya Pearson data harus berskala interval atau rasio; Spearman dan Kendal
menggunakan skala ordinal; Chi Square menggunakan data nominal. Kuat lemah
155
hubungan diukur diantara jarak (range) 0 sampai dengan 1. Korelasi mempunyai

kemungkinan pengujian hipotesis dua arah (two tailed). Korelasi searah jika nilai
koefesien korelasi diketemukan positif; sebaliknya jika nilai koefesien korelasi
negatif, korelasi disebut tidak searah. Yang dimaksud dengan koefesien korelasi
ialah suatu pengukuran statistik kovariasi atau asosiasi antara dua variabel. Jika
koefesien korelasi diketemukan tidak sama dengan nol (0), maka terdapat
ketergantungan antara dua variabel tersebut. Jika koefesien korelasi
diketemukan +1. maka hubungan tersebut disebut sebagai korelasi sempurna atau
hubungan linear sempurna dengan kemiringan (slope) positif.
Jika koefesien korelasi diketemukan -1. maka hubungan tersebut

disebut sebagai korelasi sempurna atau hubungan linear sempurna dengan
kemiringan (slope) negatif. Dalam korelasi sempurna tidak diperlukan lagi
pengujian hipotesis, karena kedua variabel mempunyai hubungan linear yang
sempurna. Artinya variabel X mempengaruhi variabel Y secara sempurna. Jika
korelasi sama dengan nol (0), maka tidak terdapat hubungan antara kedua
variabel tersebut. Dalam korelasi sebenarnya tidak dikenal istilah variabel bebas
dan variabel tergantung. Biasanya dalam penghitungan digunakan simbol X
untuk variabel pertama dan Y untuk variabel kedua. Dalam contoh hubungan
antara variabel remunerasi dengan kepuasan kerja, maka variabel remunerasi
merupakan variabel X dan kepuasan kerja merupakan variabel Y.
f. Koeisien Determinasi
Koefisien determinasi antara dua variabel adalah kuadrat dari

korelasi mereka. Untuk dua variabel X dan X, maka koefisien determinasi
mereka adalah: . Koefisien determinasi r2 mengukur proporsi dari
varians bersama untuk dua variabel yang dihitung dengan (r2 x 100%)
untuk mengukur persentase varians bersama mereka. Jika koeisien
determinasi r2 dibakukan, maka konsekuensi r memiliki difinisi yang lebih
sederhana yang juga harus dilibatkan. Bagi dua variabel yang dibakukan,
yakni Zx dan Zy, maka: , atau , di mana zx,
zy, n masing-masing menyatakan sekor baku untukvariabel Y dan Y, serta

banyaknya data.
Pada perhitungan korelasi ganda yng menghubungkan lebih dari dua

variabel dapat dihitung besaran koefisien korelasi sebahagian atau yng biasa
disebut sebagai korelasi parsial dengan menganggap varians dari beberapa
variabel khusus lain adalah konstan. Andaikan ada tiga variabel X 1, X2, dan X3 ,
156
maka notasi penulisan koefisien korelasi ini ditulis dengan r12.3 = korelasi parsial
antara variabel X1 dan X2, dengan menganggap X3 konstan, dan seterusnya,
sehingga secara umum: r12.m-1 = korelasi parsial antara variabel X1 dan X2, dengan
menganggap variabel lain (m -1) adalah konstan; Korelasi parsial dua variabel ,
dengan menganggap yang lain konstan adalah:
di mana r12, r13, dan r 23 adalah koefisien-koefisien korelasi produk moment

antara variabel X1, X2, dan X3. Untuk empat variabel maka korelasi parsialnya
adalah:
2. 8. Ukuran Kemiringan Distribusi Data

Ukuran kemiringan dimaknai sebagai suatu bentuk ukuran bentuk
kecondongan dari suatu distribusi yang mempunyai kemiringan tertentu, yang
berbentuk distribusi positif, distribusi simetrik, ataupun distribusi negatif. Secara
Matematis ukuran kemiringan diukur dari koefisien kemiringan berdasarkan
rumus yang diturunkan oleh Pearson sebagai berikut:
, di mana = rerata, Mo = Modus, s =
simpangan baku. Koefisien Kemiringan dapat juga dirumuskan dengan rumus
, di mana = rerata, Me = Median, s =
simpangan baku. Atau dengan melibatkan kuartil dirumuskan dengan cara
, di mana: K1 = kuartil pertama, K2
= kuartil kedua, dan K3 = kuartil ketiga. Bila menggunakan persentil maka

koefisien kemiringan diruskan dengan cara berikut.
, di mana: P10 = Persentil
kesepuluh, P50 = persentil ke lima puluh, P90 = persentil ke sembilan puluh.

Dalam kaitan ini, bila diperoleh koefisien kemiringan lebih kecil dari
nol, maka bentuk distribusinya adalah negatif, dan bila koefisien kemiringan
sama dengan nol, maka bentuk distribusinya adalah simetris, serta bila koefisien
kemiringan lebih besar dari nol, maka bentuk distribusinya adalah positif.
157
a. Ukuran Keruncingan (Kurtosis)

Kurtosis adalah derajat kepuncakan dari suatu distribusi, biasanya
diambil relatif terhadap distribusi normal. Sebuah distribusi yang mempunyai
puncak relatif tinggi dinamakan leptokurtik, yang mempunyai puncak mendatar
dinamakan platikurtik, dan yang mempunyai puncak yang tidak terlalu tinggi
disebut mesokurtik.
Koefisien kurtosis:
Kriteria:
1. Jika koefisien kurtosis lebih kecil dari 0,263, maka bentuk distribusinya
adalah platikurtik.
2. Jika koefisien kurtosis sama dengan 0,263, maka bentuk distribusinya
mesokurtik.
3. Jika koefisien kemiringan lebih besar dari 0,263, maka bentuk
distribusinya leptokurtik.
Contoh. Data:
55, 58, 61, 63, 64, 67, 70, 72, 74, 76, 77, 80, 83, 85, 88, 89, 92, 94, 95, 98, 99,
103, 105, 108, 110, 112, 113, 116, 118, 120, 125, 130, 134, 136, 139, 145, 146,
148, 150
Ukuran kemiringan ini dibedakan atas posisi yang disebut Platikurtik,

atau Mesokurtik, dan Leptokurtik,
1. Platikurtik, dimaknai sebagai suatu bentuk distribusi yang terjadi bila

koefisien kurtosisnya lebih kecil dari 0,263. Bentuk kurva Platikurtik merupakan
sebuah distribusi yang mempunyai puncak mendatar.
2. Mesokurtik dimaknai sebagai suatu bentuk distribusi yang terjadi bila

koefisien kurtosisnya sama dengan 0,263. Bentuk kurva Mesokurtik adalah
distribusi normal yang puncaknya tidak terlalu tinggi atau puncaknya tidak
mendatar.
3. Leptokurtik, dimaknai sebagai suatu bentuk distribusi yang terjadi bila koefisien
kurtosisnya lebih besar dari 0,263, di mana distribusi distribusi ini mempunyai
puncak relatif tinggi.
Penentuan apakah suatu distribusi dari sekumpulan data mengacu pada distribusi
platikurtik, mesokurtik, atau leptokurtik dinilai berdasarkan koefisien kurtosisnya
yang dirumuskan dengan:
158
di mana K dan P masing-masing menyatakan Kuartil dan persentil.

Contoh: Dari data pada Tabel 2.6. diperoleh K1 = 58,5, K3 = 72,38
2.10. Distribusi Normal
Istilah distribusi normal dinamakan juga sebagai distribusi Gauss yang

dimaknai sebagai bentuk distribusi peluang yang digunakan dalam berbagai
analisis statistika inferensial. Lebih khusus lagi , distribusi normal standar (baku)
merupakan distribusi normal yang memiliki rerata sebesar 0 dan simpangan baku
sebesar 1. Distribusi baku dinamakan juga kurva berbentuk lonceng yang
merupakan grafik fungsi padat peluangnya mirip dengan lonceng. Berbagai
masalah yang berkaitan dengan suatu peristiwa atau kejadian di lapangan
memiliki ciri atau karakteristik seperti yang di modelkan pada distribusi normal.
Pada distribusi normal tersebut akan memiliki nilai yang jumlahnya tidak
terbatas dalam skala atau jarak tertentu. Proses kejadian di alam pun terjadi
dengan berbagai macam hasil pengukuran yang memperlihatkan gejala yang
normal dimana pada kejadian di lapangan dan perilaku manusia yang beraneka
ragam, namun demikian satu sama lain pada dasarnya akan saling menyesuaikan.
Dengan hukum sebagaimana berlakunya Hukum Bilangan Besar (Law of Large
Numbers), maka peristiwa atau kejadian dapat saling mengimbangi sehingga
grafik dari kejadian berbentuk simetris, sisi kanan dan kiri saling melingkupi dan
menampilakan kurva simetris. Kurva berbentuk genta atau lonceng yang simetris
inimemiliki ciri distribusi peluang normal sebagai berikut.
1. Grafik yang dihasilkan adalah kurva berbentuk genta atau lonceng dan
memiliki satu titik puncak yang berada tepat diposisi pertengahan. Pada
kurva normal, nilai rata-rata hitung sama dengan median dan modusnya.
2. Distribusi peluang dan kurva normal memiliki bentuk yang kurvanya

berbentuk simetris dengan rata-rata hitungnya.
3. Bentuk kurva normal menurun pada kedua arahnya berupa yakni ke arah
kanan untuk nilai positif tak terhingga dan ke arah kiri untuk nilai negatif tak
terhingga.
4. Pada kurva normal, luas daerah yang terletak di bawah kurva dan yang berada
di atas sumbu mendatar seluas satu satuan ukur.
Suatu distribusi normal merupakan suatu model distribusi kontinu

yang terdapat pada teori peluang, yang diterapkan dalam berbagai pemecahan
159
masalah matematika dan statistika. Distribusi ini memiliki dua parameter

penentu yaitu rerata ( μ ) dan simpangan baku ( σ ). Suatu ciri pada distribusi
normal adanya penyusunan dari variable random kontinu sehingga kurva
distribusi normal memiliki suatu puncak yang dinamakan unimodal, dimana
berbentuknya simetris sehingga rerata, median dan modusnya terletak pada satu
titik yang sama. Dalam hal ini, kurva normal dibentuk dengan suatu bingan N
yang bernilai tak terbatas sehingga ekor kurvanya mendekati absis pada kisaran
penyimpangan sebesar 3 simpangan baku ke kanan dan ke kiri diukur dari rata-
rata dan ekor kurva yang dapat dikembangkan sampai tak terbatas tanpa
menyentuh sumbu absisnya.
Distribusi normal memiliki dua parameter yaitu nilai rata-rata, dan

simpangan bakunya. Pada proses kurva normal, ada beberapa hal yang perlu
diperhatikan, yakni: distribusi peluang kurva normal dengan nilai rata-rata sama
dan standar deviasi berbeda. Dalamhal ini terdapat ketentuan bahwa semakin
besar smpangan bakunya maka kurva normalnya akan semakin pendek, dan juga
semakin tinggi nilai simpangan baku, maka kurva normalnya akan semakin
meruncing. Kemudian, distribusi peluang pada kurva normal dikaitkan dengan
nilai rerata memiliki perbedaan dan nilai simpangan baku yang sama besar.
Kedua bentuk kurva normal tersebut akan memiliki bentuk yang sama, meskipun
letaknya berbeda. Demikian pula, pada suatu distribusi peluang kurva normal
yang memiliki nilai rerata dan simpangan baku berbeda, dimana kedua kurva
normal ini akan memiliki bentuk yang sama sekali berbeda.
Distribusi normal dimaknai juga sebagai salah satu dari distribusi

yang berasal dari distribusi dengan ubahan random kontinu. Suatu kurva
dinamakan kurva normal bila distribusinya seimbang dan banyak diterapkan
dalam berbagai pemecahan masalah dan dalam statistik. Formula untuk
persamaan fungsi pada distribusi normal umum sebaagai berikut:
π = 3,14... merupakan suatu konstanta aljabar

e = 2,718... merupakan suatu konstanta eksponensial
μ = parameter yang merupakan nilai rata-rata dari distribusi populasi, untuk
distribusi normal baku nilainya nol
σ = parameter yang merupakan simpangan baku distribusi populasi, untuk
distribusi normal baku nilainya satu.
x = variabel kontinu yang daerah (kisaran nilainya -~ < x < ~
Bentuk kurva adalah lonceng di mana kurva normal seperti ini
diperkenalkan oleh matematikawan bernama oleh Jouffret (1872) yang
diterapkan untuk distribusi normal yang bentuknya dipengaruhi oleh rata
rata (µ) dan simpangan baku (σ). Dalam hal ini, bila rata rata dan
160
simpangan baku masing-masing bernilainoldan satu, maka terjadi bentuk

distribusi normal baku, dan bila rerata dan simpangan baku itu kecil maka
bentuk kurva akan semakin tinggi (leptokurtic). Bentuk kurva normal
menyerupai bentuk lonceng atau bentuk genta (bel), dimana sebuah kurva
normal berupa suatu bentuk poligon yang yang ordinatnya meliputi
frekuensi dan absisnya mencakup nilai variabelnya, sehingga bentuknya
menjadi simetris, dan luas rerata (mean) nya ke kanan dan ke kiri masing-
masing seimbang dan mendekati 50 %. Jika suatu kurva normal memiliki
satu modus, maka kurvanya menjadi unimoda.
Pada kurva normal tersebut, luas daerah kurva normal itu sendiri
biasa dinyatakan dalam persen atau proporsi. Artinya, luas daerah kurva
normal adalah seratus per sen, apabila dinyatakan dalam persen, dan
apabila dinyatakan dengan proporsi, luas daerah kurva normal adalah satu.
Formula khusus distribusi normal baku terjadi bila rerata dan simpangan
bakunya msing-masing bernilai 0 dan 1 sehingga fungsinya menjadi berbentuk:
Selanjutnya untuk pemakaian praktis, maka para matematikawan telah

membuat nilai tabel kurva normal baku sebagai berikut.
Tabel 2.27. Nilai Kurva Normal Baku dari 0 ke z

z 0 1 2 3 4 5 6 7 8 9
0,0 0,000 0040 1080 0120 0160 0199 0239 0279 0319 0359
0,1 0398 0438 1478 0517 1557 0596 0636 0675 0714 0754
0,2 0793 0832 1871 0910 0948 0987 1026 1064 1103 1141
0,3 1179 1217 1255 1293 1331 1368 1406 1443 1480 1517
0,4 1554 1591 1628 1664 1700 1736 1772 1808 1844 1879
0,5 1915 1950 1985 2019 2054 2088 2123 2157 2190 2221
0,6 2258 2291 1324 2357 2389 2422 2454 2186 2518 2549
0,7 2580 2612 1642 2673 2704 2734 2764 2794 2823 2852
0,8 2881 2910 1939 2967 2996 3023 3051 3078 3106 3133
0,9 3159 3180 1212 3238 3264 3289 3315 3340 3365 389
1,0 3413 3438 1461 3485 3508 3531 3554 3577 3599 3621
1,1 3643 3665 1686 3708 3729 3749 3770 3790 3810 3830
1,2 3849 3869 1888 3907 3925 3944 3962 3980 3997 4015
1,3 4032 4049 1068 4082 4099 4115 4131 4147 4162 4177
1,4 4192 4207 1222 4236 4251 4265 4279 4292 4306 4319
1,5 4332 4345 4357 4370 4382 4394 4406 4418 4429 4441
1,6 4452 4463 4474 4484 4495 4505 4515 4525 4535 4545
1,7 4554 4564 4573 4582 4591 4599 4608 4616 4625 4633
1,8 4641 4649 4656 4664 4671 4678 4686 4693 4699 4706
1,9 4713 4719 4726 4732 4738 4744 4750 4756 4761 4767
161
2,0 4772 4778 4783 4788 4793 4798 4803 4808 4812 4817
2,1 4921 4826 4830 4834 4838 4842 4846 4850 4854 4857
2,2 4661 4864 4864 4871 4875 4878 4881 4884 4887 4890
2,3 4983 4896 4896 4901 4904 4906 4909 4911 4913 4916
2,4 4918 4920 4922 4925 4927 4929 4931 4932 4934 4936
2,5 4938 4940 4941 4943 4945 4946 4948 4949 4951 4952
2,6 4953 4955 4956 4957 4959 4960 4961 4962 4963 4964
2,7 4965 4966 4967 4968 4969 4970 4971 4972 4973 4974
2,8 4974 4975 4976 4977 4977 4978 4979 4979 4980 4984
2,9 4981 4982 4982 4984 4984 4984 4985 4985 4986 4986
3,0 4987 4987 4987 4988 4998 4989 4988 4989 4990 4990
3,1 4990 4991 4991 4991 4992 4992 4992 4992 4993 4993
3,2 4993 4993 4994 4994 4994 4994 4995 4995 4995 4995
3,3 4995 4995 4995 4996 4996 4996 4996 4996 4996 4997
3,4 4997 4997 4997 4997 4997 4997 4997 4997 4997 4998
3,5 4998 4998 4998 4998 4998 4998 4998 4998 4998 4998
3,6 4998 4998 4999 4999 4999 4999 4999 4999 4999 4999
3,7 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,8 4999 4999 4999 4999 4999 4999 4999 4999 4999 4999
3,9 5000 5000 5000 5000 5000 5000 5000 5000 5000 5000
Sumber Rujukan: Spiegel: Theory and Staqtistics, New York: SchAUM
Publishing Co., 1961
Bila pada suatu distribusi normal modus terletak di x = µ simetris

terhadap sumbu vertikal melalui µ memiliki titik belok pada x ± µ, dan
memotong sumbu mendatar maka luas daerah di bawah kurva dengan sumbu
mendatar sama dengan 1. Demikian juga luas daerah di bawah kurva normal
antara x = a dan x = b dinyatakan dengan P(a<x<b) = luas daerah di arsir.
Penerapan penggunaan tabel distribusi normal dapat digunakan untuk mengatasi
kesulitan penerapannya pada perhitungan menggunakan transformasi dengan
rumus : x = nilai ubahan acak µ = rata-rata distribusi σ = simpang baku z = nilai
baku, berupa besaran penyimpangan suatu nilai terhadap rata-rata yang
dinyatakan dari unit simpangan bakunya. Misalnya, bila diketahui suatu
distribusi normal dari suatu ujian matematika siswa di sekolah, dimana diketqhui
µ = 50 dan σ = 10, hitunglah peluanguntuk mendapatkan X bernilai antara 45
dan 62. Untuk mencari pemecahan masalah ini, dicari nilai z yang berpadaan
dengan x1 = 45 dan x2 = 62 sehingga , dan
, sehingga dihitung P(45<x<62) = P(-0.5<x<1.2).

Selanjutnya gunakan tabel distribusi normal baku.

Hitung luas daerah yang dibatasi oleh :
162
1 Antara z = 0 dan z = 1,25

2. Antara z = 0 dan z = -2,13
3. Antara z = -1,73 dan z = 2,51
4. Antara z = -2,73 dan z = -0,98
5. Antara z > -1,09
6. Antara z > 1,96
Nilai Rerata suatu variabel adalah jumlah nilai-nilai n dibagi dengan n,
dirumuskan dengan: ,di mana X dan n masing-masing menyatakan
data dan banyak data hasil pengukuran.

Nilai simpangan baku suatu variabel dimaknai sebagai akar positip dari dari
selisih setiap data dengan rereta data dan dibagi dengan banyak data dikurangi
satu, yang dirumuskan dengan:
: , di mana X, dan n masing-masing menyatakan data,
rerata data dan banyak data hasil pengukuran.

Nilai varians suatu variabel dimaknai sebagai suatu hasil pengkuaratan dari
selisih setiap data dengan rereta data dan dibagi dengan banyak data dikurangi
satu, yang dirumuskan dengan:
Nilai sekor baku suatu data hasil pengukuran pada sebuah variabel dadalah
simpangan kasus itu daimaknai sebagai selisih data dengan rerata data total
dibagi dengan simpangan bakunya, yang dirumuskan dengan:
Suatu variabel yang dibakukan meliputi seluruh kasus yang ditransformasikan ke

sekor-sekor baku. Nilai variabel yang dibakukan memiliki dua keistimewaan,
yakni memiliki rerata nol,: , dan simpangan baku satuan:
Nilai covarians dua variabel X dan Y dimaknai sebagai Jumlah hasil perkalian
masing-masing selisih data X dav Y dengan reratanya dan dibagi dengan banyak
data dikurangi satu dan dirumuskan dengan:
163
Nilai koefisien Korelasi product moment antara dua variabel dimaknai sebagai
rasio covarians mereka untuk kuadrat akar perkalian varians-varians mereka.
Untuk dua variabel X dan Y maka korelasi mereka adalah:
Nilai koefisien determinasi antara dua variabel adalah kuadrat dari korelasi
mereka. Untuk dua variabel X dan Y , maka koefisien determinasi mereka adalah:
.
Catatan: koefisien r2 mengukur proporsi dari varians bersama untuk dua
variabel ; di mana r2 x 100% mengukur persentase variasn bersama mereka. Jika
variabel-variabel tersebut dibakukan r2, maka konsekuensi r memiliki difinisi
yang lebih sederhanayg juga harus diberikan. Bagi dua v dan Y yang dibakukan,
yakni Zx dan Zy, maka:
, dan
Definisi 8. Korelasi parsial antara dua variabel adalah korelasi produk moment
antara mereka, dengan menganggap varians dari beberapa variabel khusus lain
adalah konstan.
Notasi: r12.3 = korelasi parsial antara variabel X1 dan X2, dengan menganggap X3
konstan.
r12.m-1 = korelasi parsial antara variabel X 1 dan X2, dengan menganggap
variabel lain (m -1) adalah konstan.
Korelasi parsial dua variabel , dengan menganggap yang lain konstan adalah:
di mana r12, r13, dan r 23 adalah koefisien-koefisien korelasi produk moment

antara variabel X1, X2, dan X3. Untuk empat variabel maka korelasi parsialnya
adalah:
..................................
(3)
1. Tentukan K1, K2, dan K3 dari data berikut:
164
55, 58, 61, 63, 64, 67, 70, 72, 74, 76, 77, 80, 83, 85, 88, 89, 92, 94, 95, 98, 99,
103, 105, 108, 110, 112, 113, 116, 118, 120, 125, 130, 134, 136, 139, 145, 146,
148, 150
2. Tentukan juga D1, D2, D5, D7, D9
3. Tentukan P13, P20, P45, P74, P80, P99
LKi = ; i = 1, 2, 3
LDi = ; i = 1, 2, 3, ..., 9
LPi = ; i = 1, 2, 3, ..., 99
2. 11. Butir Tunggal Dan Varians
Data yang digunakan dalam psikologi berbeda dapat dikumpulkan

dengan tipe bervariasi dari metode dasar sebagai tes, kuesioner, atau rating.
Suatu pernyataan mengenai posisi seorang individu pada kontinum yang
diberikan dapat melibatkan beberapa bentuk: suatu jawaban benar atau salah
untuk sebuah butir tes, suatu sikap untuk beberapa pernyataan, informasi faktual
untuk sebuah pertanyaan, atau rating. Bentuk data yang mungkin, digunakan
untuk menentukan posisi individu pada kontinum dalam hubungannya terhadap
individu-individu lain.
Persentase yang diberikan didasarkan pada asumsi bahwa sekor
individu dapat dinyatakan dengan 1 atau 0, di mana 1 untuk jawaban benar,
sebuah jawaban positif untuk pertanyaan, atau sebuah rating bagi seseorang di
atas beberapa tingakatan khusus. Sekor 0 menyatakan jawaban salah, jawaban
negatif untuk sebuah pertanyaan, atau rating di bawah tingkatan yang diberikan
tersebut.
a. Matriks Sekor
Perlakuan statistik terhadap data sekor baris ditempatkan di dalam
sebuah matriks sekor. Terdapat hanya satu dan nol dalam sel dari matriks sekor,
selama masing-masing jawaban ditempatkan di dalam satu dari dua kategori.
Tabel 2. 28. Matriks sekor masing-masing jawaban ditempatkan di dalam satu

dari dua kategori
Individu Butir
1 2 . . . i . . . n tj
1 X11 X12 . . . X1i . . . X1n X1i
165
2 X21 X22 . . . X2i . . . X2n X2i

. Xji
. XNi
.
J Xj1 Xj2 . . . Xji . . . Xjn

. XN1 XN2 . . . XNi . . . XNn
.
.
N
fi
Tabel di atas menunjukkan notasi umum yang digunakan untuk

menghindari resiko salah interpretasi sebuah sekor sel tunggal atau penjumlahan.
Biasanya kita menandai sebuah baris untuk masing-masing individu dan sebuah
kolom untuk masing-masing butir. Suatu sistem subskrip (indeks) pertama
menggambarkan posisi baris yang diberikan dan kedua posisi kolom yang
digunakan untuk mengidentifikasi sekor baris. Notasi umum Xji untuk sekor baris
individu ke j diperoleh untuk jawaban butir ke i. Notasi X73 menyatakan sekor
individu ke 7 pada butir ke 3.
Berikutnya, sekor tersebut dperoleh oleh individu ke j pada tes t
dinyatakan dengan tj , cukup untuk menghindarkan salah-pemahaman. Nilai tj
diperoleh dengan menjumlahkan sekor-sekor baris dalam satu baris pada matriks
sekor tersebut. Demi kepentingan penjelasan, pejumlahan untuk seorang
individu di luar butir-butir tersebut dapat ditulis dalam bentuk lengkap dengan
cara berikit:
................................ (1)
Selama masing-masing jawaban ditulis sebagai 1 atau 0, maka total

sekor untuk individu j diperoleh dengan menghitung jumlah jawaban yang benar
butir-butir tes itu.
Frekuensi jawaban benar butir i dinyatakan dengan f bila mana secara
singkat cukup untuk mencegah salah tafsir. Frekuensijawaban benar fi didapat
dengan mejumlahkansekor-sekor baris di dalam satu kolom dari matriks sekor
itu. Pernyataan berikut jelas menunjukkan bagaimana penumlahan butir dari
sejumlah individu dibuat:
................................... (2)
166
2.12. Varians
Variasi-variasi (dalam kemampuan, misalnya) dinyatakan dengan
perbedaan-perbedaan total sekor individu-individu dapat ditunjukkan menjadi
terbaik dengan maksud suatu distribusi frekuensi (lihat gambar di atas). Kita
dapat mengatakan dari distribusi berapa banyak individu yang menjawab benar
sejumlah butir dan berapa banyak jawaban yang lebih besar atau lebih kecil.
Variasi dari suatu distribusi dapat dinyatakan dalam beberapa
perbedaan pengukuran, seperti range, semi-interkuartil range, dan simpangan
baku. Dengan distribusi sekor tes tersebut kita secara bersamaan menggunakan
kuadrat simpangan baku (s2) merupakan varians kemampuan individu-individu
tersebut. Derivasi secara lebih sederhana dipertimbangkan dengan pengukuran
kemudian dengan pengukuran-pengukuran lain dari variabilitas.
Dengan emikian, varians adalah kuadrat simpangan baku dari suatu
distribusi, kita peroleh persamaan:
.............................. (3)
Deviasi dari rerata distribusi dihitung untuk masing-masing individu.

Hasil pengkuadratan dan jumlah dari kuadrat adalah varians. Justru varians
merupakan daerah dari pengkuadratan yang dapat digambarkan dengan
simpangan baku sebagai sisi.
Varians adalah suatu pernyataan untuk menyampaikan data yang
membedakan di antara individu-individu. Jika tidak terdapat perbedaan , setiap
seor yang sama memiliki varias nol. Hal ini menyatakan bahwa varians yang
lebih besar tidak secara khusus sangat diperlukan. Apakah hal itu perlu untuk
menunjukkan bahwa perbedaan merupakan berarti penuh dan reliabel.
2.13 Varians Suatu Butir Tunggal

Beberapa kesimpulan sangat penting mengkonstruksi tes, dapat
dilakukan dengan mempelajari varians dari sebuah distribusi kinerja individual
pada tes tersebut. Kita akan mendekati masalah dengan mengkaji varians ketika
kita menguji sejumlah individu pada hanya satu butir. Komposisi dari varians
total tes akan dikaji lebih lanjut.
Sekor untuk 20 individu pada tes mengandung 8 butir ditunjukkan
sebagai berikut:
Tabel 2.29. Matriks sekor terdiri dari 8 butir dan 20 individu
Butir
Individual 1 2 3 4 5 6 7 8 ti
1 1 0 0 0 0 0 0 0 1
2 1 1 1 1 0 0 1 1 6
3 1 0 1 0 0 0 0 0 2
167
4 1 1 1 1 1 1 1 0 7
5 1 1 1 1 0 0 0 0 4
6 1 1 0 0 0 0 0 0 2
7 1 0 1 1 1 1 0 0 5
8 1 1 1 0 0 0 0 0 3
9 1 1 0 0 1 1 1 0 6
10 1 0 1 1 1 1 0 1 4
11 1 1 0 1 1 1 0 0 7
12 1 1 1 1 1 0 1 0 5
13 1 1 1 1 1 1 0 0 6
14 0 1 1 1 1 0 0 0 4
15 1 1 1 0 0 0 0 0 3
16 1 1 1 0 1 0 0 0 4
17 11 1 0 1 0 0 0 0 3
18 1 1 1 1 1 1 1 1 8
19 1 1 1 1 0 0 0 0 5
20 1 1 1 1 1 1 0 0 5
fi 19 16 15 13 11 8 5 3 9
0
pi 0,95 0,80 0,75 0,65 0,55 0,40 0,25 0,15
qi 0,05 0,20 0,25 0,35 0,45 0,60 0,75 0,85
0,047 0,160 0,187 0,227 0,247 0,240 0,187 0,127
5 0 5 5 5 0 5 5
Variasi sekor pada seluruh tes didasarkan pada variasi-variasi

kemampuan untuk menyelesaikan masing-masing butir individu. Jika kinerja
pada masing-masing butir dapat didasarkan hanya sebagai jawaban benar-salah,
maka distribusi frekuensi jawaban benar yang dilibatkan hanya pada dua kategori
(1 dan 0) pada masing-masing butir tes tersebut. Kita dapat melihat dari matriks
sekor bahwa misalnya butir 5 dijawab benar oleh 11 individu, dan 9 individu
menjawab salah. Distribusi butir tes mengandung 9 individu dalam kategori 0
dan 11 individu dalam kategori 1.
11 individu yang menjawab benar butir 5 menghasilkan atau
dari total yang mampu menyelesaikan dengan benar butir tes tersebut. Dikatakan
bahwa proporsi 0,55 mampu menyelesaikan dengan benar butir tes tersebut , atau
frekuensi jawaban benar dinyatakan sebagai suatu proporsi adalah 0,55. Proporsi
orang yang menyelesaikan masing-masing butir diperlihatkan pada baris p
dalam matriks sekor di atas.
Jika frekuensi jawaban benar dinyatakan dengan p, proporsi yang
menjawab salah adalah 1 – p = q, sehingga p + q = 1. Dengan demikian kita
peroleh
168
........................................... (4)
di mana X dapat diambil hanya bernilai 1 atau 0. Dari formula ini tampak bahwa
rerata aritmatika adalah: , sehingga
pi = Mi .......................................... (5)
Maksudnya bahwa nilai proporsi dariindividu yang menjawab benar butir tes
juga menyatakan rerata kinerja terhadap semua individu pada butir tes tersebut.
Apabila jumlah individu yang diuji sama untuk setiap butir tes, maka
rerata kinerja untuk seluruh individu pada tes tersebut (M t) menjadi jumlah
semua rerata individu butir tes:
Mt =  Mi ...................................... (6)
Akan tetapi  Mi =  pi, sehingga:
Mt =  pi ...................................... (7)
Dapat dilihat dari matriks sekor bahwa (7) adalah benar.
Selanjutnya dari persamaan dapat juga dicari simpangan baku untuk
varians butir tes tunggal sebagai berikut:
............................... (8)
Namun Mi = pi, sehingga (8) dapat diperluas dengan cara sebagai berikut:
............ (9)
Nilai X hanya dapat melibatkan 1 dan 0.
Meskipun , dan .
Selama pi memiliki nilai yang sama, dalam semua istilah N, kita dapat menulis
sebagai . Selanjtnya kita dapat menulis (9) sebagai berikut:
...... (10)
Varians setiap tes tunggal adalah perkalian dari proporsi individu-

individu yang menjawab benar butir tes tersebut dan proporsi yang menjawab
salah butir itu. Bila p = 0,55 dan p = 0,45 bagi butir 5 dalam matriks sekor di atas
maka s2 = 0,55 x 0,45 = 0,2475, dan lain-lainnya.
Beberapa contoh yang ditampilkan pada Tabel matrik sekor di atas,
terdapat hubungan antara varians dan frekuensi penyelesaian butir tes yang
diberikan. Varians tes bergantung pada frekuensi penyelesaian, misalnya jumlah
individu yang menjawab benar butir itu. Kalau p = 0, dan varians = 0 terjadi
169
ketika tak seorangpun menjawab benar butir tes. Varians itu meningkat bila
frekuensi individu yang menjawab benar butir tes juga meningkat, sampai suatu
saat mencapai p = 0,50, q = 0,50, pq = 0,250 yang merupakan nilai maksimum.
Justru varians mencapai nilai tertinggi butir00tes bila separoh dari jumlah
individu menjawab benar tes itu.
Tabel 2.30. Matriks sekor terdiri dari 9 butir dan 20 individu
Butir
Individual 1 2 3 4 5 6 7 8 9 ti
1 1 1 1 1 1 1 1 0 1 8
2 1 1 1 1 1 1 1 1 1 6
3 1 0 1 1 1 1 0 0 0 5
4 1 1 1 1 1 1 0 1 0 7
5 0 1 1 1 0 0 0 0 0 3
6 1 1 1 1 1 1 0 1 1 8
7 1 1 0 1 1 1 1 0 0 6
8 1 1 1 1 1 1 0 1 0 7
9 1 1 1 1 1 1 0 0 0 6
10 1 1 1 1 1 1 1 0 0 7
11 1 1 1 1 1 1 1 1 1 9
12 1 1 1 1 1 0 0 0 0 4
13 1 1 0 0 0 0 0 0 0 1
14 0 1 1 1 1 0 0 0 0 4
15 1 1 1 1 0 1 1 1 0 7
16 1 1 1 1 1 0 0 0 0 5
17 1 1 1 1 1 1 1 0 1 8
18 1 0 1 0 0 0 0 0 0 2
19 1 1 1 1 1 1 1 1 1 9
20 1 1 1 1 1 1 0 1 0 7
fi 18 16 18 18 16 17 8 8 6
pi 0,90 0,80 0,90 0,90 0,80 0,70 0,40 0,40 0,30
Pada Tabel 2.38 tampak bahwa butir-butir dalam tes pertama secara
relatif mudah. Frekuensi jawaban benar di atas 0,50 untuk enam dari sembilan
butir, yakni butir 1 sampai butir 6, yang tampak pada sekor kolom bagi setiap
individu, atau distribusi sekor, di mana sekor-sekor pada bagian sebelah kanan
distribusi tersebut. Dengan memilih sekor yang mudah kita memiliki suatu
kemiringian negatif dari sekor-sekor itu. Untuk memberi gambaran akan hal
trsebut berikut disajikan contoh berikut.
Tabel 2.31. Matriks data sekor untuk tes berbeda terhadap 20 individu
Butir tes nomor...

170
Siswa 1 2 3 4 5 6 7 8 9 ti
nomor...
1 1 1 0 0 0 0 0 0 0 8
2 1 0 1 1 1 1 0 0 0 6
3 1 1 0 1 0 0 0 0 0 5
4 1 1 1 0 0 0 0 0 0 7
5 1 1 1 1 1 1 0 1 0 3
6 1 1 0 0 0 0 0 0 0 8
7 1 1 1 0 1 0 0 0 0 6
8 1 0 0 0 0 0 0 0 0 7
9 1 1 0 1 1 0 0 0 0 6
10 1 1 1 1 1 1 1 1 1 7
11 1 0 1 0 0 0 0 0 0 9
12 1 0 0 0 0 0 0 0 0 4
13 1 1 0 0 0 0 0 0 0 1
14 1 1 1 1 0 1 0 0 0 4
15 0 0 0 0 0 0 0 0 0 7
16 1 0 0 0 0 0 0 0 0 5
17 0 0 0 0 0 0 0 0 0 8
18 1 1 1 1 1 1 0 0 0 2
19 1 1 0 0 0 0 0 0 0 9
20 1 1 1 0 0 0 0 0 0 7
fi 18 14 9 7 6 5 1 1 1
pi 0,90 0,70 0,75 0,35 0,30 0,25 0,05 0,05 0,05
Pada Tabel 2.31, tampak bahwa butir-butir pada kesdua tes secara
relatif sukar. Dalam hal ini, frekuensi jawaban benar di atas 0,50 hanya untuk 3
dari 9 butir tes. Kesukaran butir juga dilukiskan pada sekor kolom untuk
masing-masing individu, di mana sekor-sekor itu dikelompokkan dalam separoh
distribusi sekor yang lebih rendah. Dengan memilih tingkat kesukaran butir kita
memperoleh kemiringan positip distribusi sekor tersebut.
Interkorelasi antara butir-butir yang secara relatif tinggi untuk kedua
matriks sekor. Individu-individu yang menjawab benar butir-butir itu menyertai
tingkat kesukaran biasanya menjawab butir dengan frekuensi lebih tinggi. Kita
dapat menyatakan bahwa distribusi sekor memiliki varians yang sama (
). Secara keseluruhan, kedua tes berbeda kesamaan di antara
individu-individu yang dites.
171
Analisis Varians
dalam Pengukuran Pendidikan
a. Anava 1 Jalur (One Way Analysis Of Variance)
Pada suatu pengukuran suatu penelitian eksperimental pendidikan, sering
para guru ingin membedakan hasil capaian dari kelompok siswa yang diberi
perlakuan berbeda. Untuk hal ini analisis yang tepat diterapkan adalah dengan
statistic analisis varians, baik Anava 1, 2 dan 3 jalur.
Anava 1 jalur dapat digunakan untuk menguji hipotesis yang
menyatakan perbedaan rerata antara dua kelompok cuplikan atau lebih, dengan
menggunakan sample ramdom design atau group-
within treatment design untuk rancangan eksperimen. Untuk
mengetahui ada tidaknya perbedaan rerata yang signifikan antara kelompok-
kelompok tersebut dapat diuji dengan nilai F hitung atau F observasi (F o).
Untuk keperluan ini dapat dilakukan dengan menghitung jumlah kuadrat
(JK) untuk berbagai hal yang disebut sumber variansi, yaitu:
1. Untuk simple randomized design ialah sumber variansi antar, dalam
atau error dan total. Untuk sumber-sumber variansi ini JK nya berturut-turut
diberi simbol JKA, JKE, dan JKT yang dapat dihitung dengan rumus berikut
Setiap sumber variansi emiliki derajat kebebasan (db) yang besarnya adalah
dbA = a – 1; db E = N –a, dan dbT = N –1. Selanjutnya dapat dihitung besarnya
rerata jumlah kuadrat (RJK) untuk masing-masing sumber variansi yang
dihitung dengan membagi JK dengan db nya masing-masing-masing-masing-
masing. Semua nilai yang diperoleh disusun dalam daftar analisis variansi
(ANAVA) sebagai berikut
172
Tabel 2. 32. Model umum Tabel Anava 1 jalur.
Sumber Variansi db Fo
JK RJK
JKA dbA RJKA
Antar JKE dbE RJKE
Dalam/Error
JKT dbT - -
Total
Contoh . Efektivitas tiga metode mengajar M1, M2, dan M3 dapat dilihat pada
nilai tes prestasi belajar ketiga kelompok siswa yang diajar dengan
M1, M2, dan M3 setelah selesai satu program pengajaran dilakukan.
Jika ke tiga kelompok siswa yang diberi perlakuan M1, M2, dan M3
dipilih dan ditempatkan secara random, dan datanya sebagai berikut.
Tabel 2.33. Data tiga metode mengajar untuk 10 siswa
No. Siswa M1 (X1) M2 (X2) M3 (X3) Total

1 6 6 7 19
2 5 6 8 19
3 6 7 8 21
4 6 8 9 23
5 5 6 7 18
6 5 6 6 17
7 5 5 5 15
8 6 6 6 18
9 4 5 7 16
10 4 6 7 17
X 52 61 70 183
n 10 10 10 30
X2 276 379 502 1157
x2 5,6 6,9 12 -
5,2 6,1 7,0 -
Catatan:
Perhitungan dengan menggunakan rumus adalah sebagai berikut :
173
Tabel 2.34. Ringkasan hasil perhitungan Tabel ANAVA 1 jalur.
Sumber variansi JK db RJK Fo

8,93
Antar 16,2 2 8,1
Dalam 24,5 27 0,907407
Total 40,7 29 - -
Selanjunya dari tabel diperoleh db (2; 27)  F0,05 = 3,35, dan F0,01 =
5,49. Dengan demikian Fo > F0,01 sehingga hasil pengujian bersifat signifikan
atau Ho ditolak dan hipotesis penelitian diterima. Jadi terdapat perbedaan yang
signifikan ( = 0,05) antar hasil belajar dari ketiga kelompok siswa yang diajar
dengan metode M1, M2, dan M3. Untuk mencari besarnya perbedaan rerata
antara M1, M2, dan M3 dapat diuji dengan uji t Anava dengan menggunakan
rumus:
Untuk db = 27 maka t0,05 = 1,70, sehingga tm3-m1 > t0,05 (berarti perbedaan
signifikan).
174
Group-within treament design.

Untuk bentuk ini, sumber variansinya ialah antar, group-within
treatment, dan dalam group, Untuk sumber-sumber variansi ini JK nya berturut-
turut diberi simbol JKA, JKGWT, JKDG, dan JKT, di mana hubungannya adalah:
JKT = JKA + JKGWT + JKD dengan:
Setiap sumber variansi memiliki derajat kebebasan (db) yang besarnya ialah:
dbA = a – 1; dbGWT = g – a; dbDG = N – g; dan dbT = N – 1. Selanjutnya dapat
dihitung rerata jumlah kuadrat (RJK) untuk masing-masing sumber variansi
yang dihitung dengan membagi JK dengan db nya masing-masing . Semua nilai
yang diperoleh disusun dalam daftar ANAVA sebagai tertera pada Tabel 2.35 .
Kriterianya adalah: jika Fo > Ft pada taraf signifikansi yang dipilih, dengan
db pembilang ialah dbA dan db penyebut ialah dbGWT, dan Ho ditolak.
Jadi ada perbedaan rerata antara perlakuan-perlakuan yang diuji, sedang
jika F0 < Ft, maka Ho diterima. Jadi tidak ada perbedaan rerata antara perlakuan-
perlakuan yang diuji.
Tabel 2.35. Model umum Anava Group-within treament design 1 jalur.
JK RJK
JKA a -1 RJKA
Antar JKGWT g–a RJKGWT
G-W-T JKDG N-g RJKDG
Dalam G
JKT N-1 - -
Total
175
Nilai Fo dihitung dengan rumus:
Contoh.
Ada dua metode mengajar yang masing-masing metode diberlakukan
terhadap tiga kelompok. Misalnya metode A1 terhadap kelompok G1, G2, dan
G3, kemudian metode A2 terhadap kelompok G4, G5, dan G6. Dalam rancangan
ini yang dirandom adalah kelompok. Setelah dalam tes prestasi belajar untuk
menguji efektivitasnya diperoleh hasil sebagai berikut:
Tabel 2.36. Ringkasan Anava metode A1 terhadap kelompok G1, G2, dan G3,
dan metode A2 terhadap kelompok G4, G5, dan G6
A1 A2
G1 G2 G3 G4 G5 G6
6 4 4 5 6 6
6 4 5 6 7 7
5 5 6 6 7 7
5 6 6 7 7 8
6 7 6 7 8 8
n 5 5 5 5 5 5
X 28 26 27 31 35 36 183
X2 158 142 149 195 247 262 1153
x2 1,2 6,8 3,2 2,8 2 2,8
5,6 5,2 5,4 6,2 7 7,2
X 81 102
X2 449 704
Perhitungan:
dbA = 2 – 1 = 1; dbGWT = 6 – 2 = 4; dbDG = 30 – 6 = 24; dan dbT 30 – 1 = 29
176
177
Tabel 2.37. Daftar ANAVA Group-within treament design 1 jalur dua metode
terhadap 3 kelompok.
Sumber variansi db Fo
JK RJK
Antar 14,7 1 14,7

G-W-T 3,2 4 0,8 18,375
Dalam G 18,8 24 0,783
36,7 29 -
Total
db = (1,4) maka Ft0,05 = 7,71. dan Ft 0,01 = 21,20, sehingga Fo > Ft 0,05,
maka hasil pengujian bersiat signifikan atau Ho ditolak dan Ha diterima. Jadi
terdapat perbedaan yang signifikan ( = 0,05) antara prestasi belajar siswa yang
diajar dengan metode A1 dan A2.
b. Anava 2 Jalan (Two Way Analysis Of Varians)
ANAVA 2 jalan dapat digunakan untuk menguji hipotesis yang

menyatakan perbedaan rerata antara kelompok –kelompok cuplikan yang
menggunakan two factorial design atau treatment by level design. Ada tiga
model dalam factorial design yaitu:
1. Fixed model, 2. Random Model, dan 3. Mixed Model.
b.1. Fixed Model.

Dalam fixed model hasilnya tidak dapat digeneralisasikan lebih luas.
Misalnya perbedaan antara 2 metode A dan B tidak dapat digeneralisasikan ke
metode-metode lain. Akan tetapi hasil tersebut dapat digeneralisasikan ke
populasinya. Misalnya, untuk mencari ada tidaknya perbedaan prestasi belajar
antara 3 kelompok mahasiswa yang belajar dengan metode A1, A2, dan A3 dan
perbedaan aprestasi belajar antara sekolah negeri dan sekolah swasta, maka
rancangannya adalah sebagai berikut.
Tabel 2.38. Model umum Tabel Anava Fixed Model
Metode (A)
A1 A2 A3
Jenis Sekolah (B)
Negeri (B1) A1B1 A2B1 A3B1
Swasta (B2) A1B2 A2B2 A3B2

178
ANAVA yang digunakan ialah ANAV 2 jalan. Untuk pengujian ini

pertama-tama dapat dilakukan dengan menghitung jumlah kuadrat untuk
berbagai sumber variansi, yaitu: antar A, natar B, metode A x B, dalam
dan total. Untuk sumber-sumber variansi ini JK nya berturut-turut diberi
simbol JKA, JKB, JKAB, JKD, dan JKT dengan :
JKT = JKA + JKB + JKAB + JKD, di mana:
Setiap sumber variansi memiliki derajat kebebasan (db) yang

besarnya ialah:
dbT = N – 1;
dbA = a – 1;
dbB = b – 1;
dbAB = (a – 1)(b – 1) ; dan
dbD = N - ab
Selanjutnya dapat dihitung rerata jumlah kuadrat (RJK) untuk
masing-masing sumber variansi dengan membagi JK dengan db nya
masing-masing-masing. Nilai-nilai F0 dihitung dengan rumus sebagai
berikut.
F0A = ; F0B = , dan F0AB =
Kriteria pengujiannya ialah, jika Fo > Ft pada taraf signifikansi yang

dipilih, dengan db yang sesuai, maka Ho ditolak, sedang jika Fo  Ft
maka H0 diterima. Cara pengujiannya ialah, pertrama-tama harus diuji
F0AB. Jika F0AB tidak signifikan berarti tidak ada interaksi, maka
selanjutnya kita dapat menguji F0A untuk melihat ada tidaknya
perbedaan antar A, kemudian diuji lagi F0AB untuk melihat ada tidaknya
179
perbedaan rerata antar B. Akan tertapi jika F 0AB signifikan yang berarti
ada interaksi, maka kita harus menguji simple effect nya (effect
sederhana). Simple effect ialah perbedaan antar A pada setiap kelompok
Bi (i = 1,2, ...), atau perbedaan antar B pada setiap kelompok A i. Untuk
itu digunakan ANAVA 1 jalan.
Semua nilai yang diperoleh disusun dalam Tabel ANAVA sebagai berikut.
Tabel 2.39. Tabel Anava 2 jalur.
JK RJK
JKA a-1 RJKA
Antar A
JKB b-1 RJKB

Antar B
JKAB (a - RJKAB
Inter AB 1)(b
- 1)
JKD N– RJKD -
Dalam ab
N -1 - -
Total
Contoh. Misalkan A = metode mengajar; A1 = metode ceramah; A2 =

metode diskusi; A3 = metode penemuan. Kemudian B = jenis
sekolah; B1 = sekolah negeri; B2 = sekolah swasta. Datanya tertera
pada Tabel 2.40. Dari data tersebut, tentukan nilai-nilai F OA, FOA,
FOAB. Beri interpretasi lengkap dari kesimpulan yang saudara
peroleh pada analisis datanya.
Tabel 2.40. Data tabel Anava 2 jalur.
A 
B A1 A2 A3
B1 6 7 9
5 6 8
180
6 6 8
6 7 6
4 7 7
7 5 7
6 8 8
7 8 9
 47 54 62 163
x2 6,785 7,5 7,5 21,875
B2 8 7 6
9 7 5
8 8 4
7 8 5
6 6 6
6 6 7
7 5 8
8 6 6
 59 53 47 159
x2 7,875 7,875 10,875 26,625
Total 106 107 109 322
JKT = 2232 - = 71,9167
JKA =
JKB =
JKAB =
= 22,792
JKD = 48,5
Tabel 2. 41. Ringkasan Anava 2 jalur
Sumber db Fo
Variansi JK RJK
181
0,292 2 0,1458 0,13

Antar A
0,333 1 0,333 0,29
Antar B
22,792 2 11,396 9,87
Inter AB
48,5 42 1,154 -
Dalam
71,917 47 - -
Total
db = (2, 42)  F0,01 = 5,15; F0,05 = 3,32

db = (1, 42)  F0,05 = 2
Main effect: F0A < F0,05 (tidak signifikan)

F0AB < F0,05 (tidak signifikan)
F0ab > F0,01 , berarti ada interaksi yang signifikan antara A dan B. Oleh
karena itu maka harus diuji signifikansi effectnya dengan menggunakan
ANAVA 1 jalan.
Pengujian Simple Effect untuk Bi

JKT = 1143 -
JKA =
JKD = 21,875
182
Tabel 2.42. Perhitungan Anava 2 jalur.
Sumber db Fo
Variansi JK RJK
14,083 2 7,042 6,76
Antar A -
21,875 21 1,042
Dalam
35,958 23 - -
Total
db = (2, 21)  F0,01 = 5,78; F0,05 = 3,47

Main effect: F0A < F0,05 (tidak signifikan)
F0AB < F0,05 (tidak signifikan)
F0A > F0,01 , sangat signifikan. H0 ditolak dan H1 diterima. Jadi pada
sekolah Negeri terdapat perbedaan yang sangat signifikan antara A 1, A2, dan A3.
Uji t ANAVA
t (A2 – A1) =
t (A3 – A2) =
db = 21  F0,01 = 2,52; F0,05 = 1,72
t (A2 – A1) tidak signifikan berarti tidak ada perbedaan yang signifikan
antara prestasi belajar dari kelompok siswa yang diajar dengan metode ceramah
itu metode diskusi.
t (A3 – A2) signifikan, berarti ada perbedaan yang signifikan ( = 0,05) antara
metode diskusi metode penemuan. Demikian pula, terdapat perbedaan yang
signifikan antara metode ceramah dan metode penemuan. Selanjutnya t (A 3 – A1)
= Analog untuk pengujian simple effect pada B2.
b.2. Random Model.
183
Dalam random model hasilnya dapat digeneralisasikan lebih luas.

Misalnya untuk menjawab pertanyaan-pertanyaan berikut:
1. Apakah urutan penyajian suatu tes psikolog mempunyai pengaruh
terhadap respon subjek?
2. Apakah administration atau yang menyajikan tes psikologi tersebut
juga mempunyai pengaruh terhadap respon subjek?
3. Apakah terdapat perbedaan prestasi belajar yang disebabkan oleh
guru?
4. dan sebagainya
Untuk menjawab pertanyaan (1) dan (2) dapat dibuat tes faktorial design sebagai
berikut :
Tabel 2.43. Hubungan A dan B pada Anava Random Model
Urutan Penyajian
(A)
Administrasi
II III IV
I
(B)
B1
B2
B3
B4
B5
Untuk pengujian hipotesis pada rancangan seperti ini, proses

perhitungannya sama dengan yang dilakukan pada two factorial design untuk
fixed model. Perbedannya hanya terletak pada error term. Pada two factorial
design random model ini nilai F0 dihitung dengan rumus:
F0A = ; F0B = , dan F0A =
Kriteria pengujiannya ialah, jika F 0A > Ft pada taraf signifikansi yang

dipilih, dengan db pembilng = dbA dan db penyebut = dbAB, maka H 0
ditolak, berarti urutan penyajiannya suatu tes psikologi mempunyai
pengaruh terhadap respon subjek. Sedang jika F0A  Ft maka H0 diterima,
berarti urutan penyajian suatu tes psikologi tidak mempunyai pengaruh
terhadap respon subjek. Demikian pula untuk penyajian F0B.
Kriteria pengujian F0AB ialah jika F0AB > Ft pada taraf signifikansi yang
dipilih, dengan db pembilang = dbAB dan db penyebut = db D, maka H0
ditolak, berarti ada interaksi yang signifikan antara urutan penyajian
suatu tes psikologi dengan administration atau penyajiannya.
184
Contoh soal:
Misalnya : A = urutan penyajian suatu tes psikologi

B = pengadministrasian
X = skor tes psikologi
Tabel 2.44. Data pengukuran A dan B pada Anava-Model Random
Urutan Penyajian
(A)
A2 A3 A4 
A1 (X2) (X3) (X4)
(X1)
B1 3 3 4 5
3 4 4 6
4 5 5 7
5 5 6 7
6 7 7 8
 21 24 26 33 104
Administrasition
x2 6,8 8,8 6,8 5,2 27,6

B2 4 5 6 6
(B)
4 5 6 7
5 6 7 7
6 7 8 8
6 7 8 9
 25 30 35 37 127
x2 4 4 4 5,2 17,2
B3 4 6 7 8
5 6 7 8
6 7 8 9
6 7 8 9
7 8 9 9
 28 34 39 43 144
x2 5,2 2,8 2,8 1,2 12
Total 74 88 100 113 375
JKA =
185
JKB =
JKD = 56,8
JKT = 2499 -
Tabel 2.45. Daftar Ringkasan Anava Model Random.
db F0
Sumber JK RJK P
Variansi
Antar A 55,52 3 18,51 49,15 < 0,01
Antar B 40,30 2 20,15 45 < 0,01
Interaksi AB 2,633 6 0,439 0,37 < 0,05
Dalam 56,80 48 1,18 - -
Total 59 - - -
db = (3,6)  F0,01 = 9,78

F0,05 = 4,76
db = (2,6)  F0,01 = 10,92
F0,05 = 5,14
db = (6,48)  F0,01 = 3,20
F0,05 = 2,30
Kesimpulan: F0A > F0,01 berarti urutan penyajian suatu tes psikologi mempunyai
pengaruh yang sangat signifikan (  = 0,05) terhadap respon
subjek.
F0B > F0,01 berarti administrator yang menyajikan suatu tes psikologi
mempunyai pengaruh yang sangat signifikan (  = 0,05) terhadap respon subjek.
F0AB < F0,05 berarti tidak ada interaksi yang signifikan antara urutan
penyajian dan administrator yang menyajikan suatu tes psikologi.
b.3. Mixed Model

Mixed model adalah two factorial design yang merupakan campuran
antara fixed model dan random model. Misalnya two factorial design di mana
satu ubahan besarnya merupakan fixed model sedang ubahan bebas yang lain
ialah random model. Untuk menyelidiki pengaruh tiga metode A1, A2, dan A3
186
terhadap prestasi belajar, tetapi ingin pula diselidiki apakah guru yang
menyelidiki ketiga metode tersebut juga mempunyai pengaruh terhadap prestasi
belajar siswa yang diajar, dapat digunakan two factorial design mixed model.
Rancangannya adalah sebagai berikut .
Tabel 2.46. Rancangan Anava Two Factorial Design.
Metode A
A2 A3
A1
Guru B1
B B2
B3
Untuk pengujian hipotesis pada rancangan mixed model, proses

perhitungannya disajikan melalui contoh berikut.
Contoh. Tiga metode A1, A2, dan A3 yang diajar oleh guru B1, B2, dan B3
hasilnya tertera pada Tabel 2.54. Tentukalah apakah ada perbedaan
yang sangat signifikan (  = 0,01) antara kelompok-kelompok siswa
yang diajar dengan metode A1 , A2, dan A1.
Tabel 2.47. Data Anava Two Factorial Design.
Metode A
A1 A2 A3 
B1 3 3 4
3 4 5
4 5 5
5 5 6
 15 17 20 52
x2 2,75 2,75 2 7,5
B2 3 4 5
3 4 5
Guru B
4 5 6
4 6 6
 14 19 22 55
x2 1 2,75 1 4,75
B3 4 5 6
5 6 7
6 6 8
7 7 8
187
 22 24 29 75
x2 5 2 2,75 9,75
51 60 71 182
Total
Penyelesaian: Dari data di atas hasilnya dihitung sebagai berikut.

JKT = 986 -
JKA =
JKB =
JKD = 2,75 + 2,75 + 2 + 1 + 2,75 + 1 + 5 + 2 + 2,75 = 22
Tabel 2. 48. Ringkasan Anava 2 jalur.
db F0
Sumber Variansi JK RJK
Antar A 16,72 2 8,36 8,36
Antar B 26,06 2 12,03 15,99
Interaksi AB 1,11 4 0,28 0,34
Dalam 22,00 27 1,18 -
Total 65,889 35 - -
db = (2,4)  F0,01 = 18,00

F0,05 = 6,94
db = (2,27)  F0,01 = 5,49
F0,05 = 3,25
db = (4,27)  F0,01 = 4,11
F0,05 = 2,73
Kesimpulan:
F0A > F0,01 berarti sangat signifikan, Ho ditolak. Jadi ada
perbedaan yang sangat signifikan (  = 0,01) antara kelompok-kelompok
siswa yang diajar dengan metode A1 , A2, dan A1.
188
F0B > F0,01 berarti sangat signifikan, Ho ditolak. Jadi guru yang
menyajikan memiliki pengaruh yang sangat signifikan (  = 0,01)
terhadap hasil belajar siswanya.
F0AB < F0,05 tidak signifikan berarti H0 diterima. Jadi tidak ada
interaksi antara jenis metode penyajian dengan guru yang
menyajikannya.
Uji t
t (A2 – A1) =
t (A3 – A2) =
db = 4  F0,01 = 3,75; F0,05 =2,13
t (A2 – A1) signifikan, dan t(A3 – A2) sangat signifikan.
Soal.
Dalam suatu penelitian eksperimental, diketahui judul penelitian sebagai
berikut. “Pengaruh Metode Mengajar terhadap Hasil Belajar Sejarah ditinjau
dari Jenis Kelamin siswa di Pesantren Al Kautsar Medan yang ringkatan
rangkuman datanya seperti Tabel berikut:
Tabel 2. 49. Tabel BantuAnava 2 jalur.
Statistik A1B1 A2B1 A3B1 A1B2 A2B2 A3B2 Jumlah

X 59 108 124 102 83 61 537
X2 363 1188 1568 1062 697 385 5263
x2 14,9 21,6 30,4 21,6 8,1 12,9 109,5
5,9 10,8 12,4 10,2 8,3 6,1
N 10 10 10 10 10 10 60
Dari judul dan data di atas diturunkan pertanyaan penelitian sebagai berikut :
1) Apakah terdapat pengaruh penggunaan metode
mengajar terhadap hasil belajar Sejarah pada siswa di di Pesantren Al
Kausar Medan?
2) Apakah terdapat pengaruh hasil belaajr Sejarah antara
siswa pria dan siswa wanita pada siswa di di Pesantren Al Kausar
Medan?
189
Apakah terdapat interaksi antara metode mengajar dan jenis kelamin

terhadap hasil belajar Sejarah pada siswa di di Pesantren Al Kausar
Medan?
Lakukanlah analisis data yang tepat dari kasus ini?
Penyelesaian:
Variabel Penelitian
Variabel yang menjadi titik perhatian dalam penelitian ini adalah
a). Variabel bebas : (1) Metode Mengajar, yang dibedakan atas 3 yaitu;
metode karyawisata, sosiodrama, dan
pemecahan masalah
(2) Jenis Kelamin, yang terdiri dari Pria dan
Wanita
b). Variabel terikat: Hasil belajar sejarah
Hipotesis penelitian dan hipotesis statistiknya adalah sebagai berikut :
1) Terdapat pengaruh yang signifikan penggunaan metode
mengajar terhadap hasil belajar Sejarah pada siswa di di
Pesantren Al Kausar Medan?
H0 :1 = 2 = 3
H1 : Ada paling sedikit satu rerata yang tidak sama
2) Terdapat pengaruh yang signifikan jenis kelamin terhadap hasil

belajar Sejarah pada siswa di di Pesantren Al Kausar Medan?
H0 :1 = 2 = 3
1) Terdapat interaksi yang signifikan antara metode mengajar dan

jenis kelamin terhadap hasil belajar Sejarah pada siswa di di
Pesantren Al Kausar Medan?
Ho : 1 = 2
H1 : :1  2
4. Pengujian hipotesis untuk menguji perbedaan rerata antar

kelompok. Efek utama dan efek sederhana
Dari data hasil penelitian dibuat tabel bantu sebagai berikut:
A. Pengujian Efek Utama (Uji Interaksi)
Langkah pengujian dilakukan dengan perhitungan sebagai berikut:
= 5263 - = 456,85
190
= 14,9 + 21,6 + 30,4 + 21,6 + 8,1 + 12,9 = 109,5

Derajat kebebasan masing-masing sumber variasi:
dbT = N – 1 = 60 – 1 = 59
dbA = a – 1 = 3 – 1 = 2
dbB = b – 1 = 2 – 1 = 1
dbAB = (a – 1)(b – 1) = (3 – 1) ( 2 – 1 ) = 2
dbD = N – ab = 60 – 3.2 = 54
Keseluruhan hasil perhitungan dirangkum pada tabel 2.50.
Kesimpulan:
1. Pengujian hipotesis untuk melihat pengaruh metode mengajar diperoleh

F0A = 6,214 > Ft(0,01; 2, 54) = 5,01 sehingga H0 ditolak. Artinya terdapat
pengaruh yang sangat signifikan metode mengajar karyawisata,
sosiodrama dan pemecahan masalah terhadap hasil belalajar Sejarah di
Pesantren Al Kautsar Medan
2. Pengujian hipotesis untuk melihat pengaruh jenis kelamin diperoleh F 0B
= 16,644 > Ft(0,01; 2, 54) = 7,12 sehingga H0 ditolak. Artinya terdapat
pengaruh yang sangat signifikan jenis kelamin (pria dan wanita) terhadap
hasil belalajar Sejarah di Pesantren Al Kautsar Medan
3. Interaksi antara metode mengajar dengan jenis kelamin diperoleh F 0AB =
71,112 > F0,01 = 5,01 ( H0 ditolak). Artinya: Ada interaksi yang sangat
berarti (sangat signifikan) antara metode mengajar karyawisata,
sosiodrama dan pemecahan masalah dengan jenis kelamin (pria dan
wanita) terhadap hasil belalajar Sejarah di Pesantren Al Kautsar Medan.
191
Tabel 2.50. Daftar Anava Uji Efek Utama (Pengaruh Metode Mengajar,
Jenis Kelamin dan Interaksi terhadap Hasil Belajar Sejarah
Sumber db Fo Ft(0,05) Ft(0,01)

Variansi JK RJK
25,2 2 12,6 6,214 3,17 5,01
Antar A
33,75 1 33,75 16,644 4,02 7,12
Antar B
288,4 2 144,2 71,112 3,17 5,01
Inter AB
109,5 54 2,0278 -
Dalam
456,85 59 -
Total
db = (2, 54)  F(0,01, 2,54) = 4,02 dan F(0,05; 2,54) = 3,17

db = (1, 54)  F(0,01; 1,54) = 7,12 dan F(0,05; 1,54) = 5,01
Oleh karena ada interaksi yang sangat berarti (sangat signifikan) antara
metode mengajar karyawisata, sosiodrama dan pemecahan masalah dengan
jenis kelamin (pria dan wanita) terhadap hasil belalajar Sejarah di Pesantren Al
Kautsar Medan maka harus diuji signifikansi simple effectnya dengan
menggunakan ANAVA 1 jalan.
B. Pengujian Simple Effect

1. Pengaruh ketiga metode mengajar terhadap siswa Pria
Hipotesis statistik yang akan diuji adalah:

H0 :1 = 2 = 3
Menghitung JK masing-masing sumber variasi:
JKT = (363 + 1188 + 1568) -
JKA =
192
JKD = 14,9 + 21,6 + 30,4 = 66,9
Menentukan db masing-masing sumber variasi:

dbT = NA – 1 = 30 – 1 = 29
dbA = a – 1 =3 – 1 = 2
dbD = NA – a = 30 – 3 = 27
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai berikut :
Tabel 2.51. Daftar Anava Pengaruh sederhana Ketiga Metode MengajarTerhadap

Hasil Belajar Siswa Pria
Sumber db Fo F0,05 (2,27) F0,01 (2,27)

Variansi JK RJK
229,4 2 114,7 46,287 3,35 5,49
Antar A
66,94 27 2,478
Dalam
296,3 29 -
Total
Ternyata nilai F0A = 46,287 > F0,01 (2,27) = 5,49 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara metode mengajar
terhadap jenis kelamin Pria. Artinya Metode karyawisata, Metode sosiodrama
dan Metode Pemecahan masalah memberikan pengaruh yang sangat signifikan
terhadap hasil belajar siswa- siswa Pria..
2. Pengaruh Ketiga Metode Mengajar Terhadap Siswa Wanita

H0 :1 = 2 = 3
Langkah berikutnya adalah menghitung JK masing-masing sumber variasi:

JKT = (1062 + 697 + 385) -
JKA =
JKD = 21,6 +8,1 +12,9 = 42,6
193
db masing-masing sumber variasi:

dbT = NA – 1 = 30 – 1 = 29;
dbA = a – 1 =3 – 1 = 2;
dbD = NA – a = 30 – 3 = 27
Tabel 2.52. Daftar Anava Ketiga Metode Mengajar Terhadap Siswa Wanita
Sumber db Fo F0,05 (2,27) F0,01 (2,27)

Variansi JK RJK
84,2 2 42,1 26,68 3,35 5,49
Antar A
42,6 27 1,56
Dalam
126,8 29 -
Total
Ternyata nilai F0A = 26,68 > F0,01 (2,27) = 5,49 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara metode mengajar
terhadap jenis kelamin Pria. Artinya Metode karyawisata, Metode sosiodrama
dan Metode Pemecahan masalah memberikan pengaruh yang sangat signifikan
terhadap hasil belajar siswa- siswa Wanita..
3. Pengaruh Jenis Kelamin terhadap Metode Mengajar Karyawisata

H0 :1 = 2
H1 : 1  2

JKT = (363 + 1062) -
JKA =
JKD = 14,9 + 21,6 = 36,5

dbT = N – 1 = 20 – 1 = 19
dbB =b – 1 =2 – 1 = 1
dbD = N – b = 20 – 2 = 18
194
Hasil perhitungan ini darangkum dalam Tabel Anava sebagai berikut :
Tabel 2.53. Daftar Anava Jenis Kelamin Terhadap Metode Karyawisata
Sumber db Fo F0,05 (1,18) F0,01 (1,18)

Variansi JK RJK
92,45 1 92,45 45,59 4,41 8,28
Antar A
36,50 18 2,028
Dalam
128,45 19 - - - -
Total
Ternyata nilai F0B = 45,59 > F0,01 (1,28) = 8,28 yang berarti H0 ditolak
Kesimpulan: Terdapat perbedaan yang sangat signifikan antara hasil belajar
siswa Pria dengan siswa Wanita jika diterapkan metode karyawisata.
4. Pengaruh Jenis Kelamin terhadap Metode Mengajar Sosiodrama

H0 :1 = 2
H1 : 1  2
JKT = (1188 + 697) -
JKB =
JKD = 21,6 + 8,1 = 29,7

dbT = N – 1 = 20 – 1 = 19
dbB =b – 1 =2 – 1 = 1
dbD = N – b = 20 – 2 = 18
Hasil perhitungan tersebut di atas dirangkum dalam tabel Anava sebagai lengkar
berikut.
195
Tabel 2.54. Daftar anava jenis jenis kelamin terhadap metode sosiodrama
Sumber db Fo F0,05 (1,28) F0,01 (1,28)

Variansi JK RJK
31,25 1 31,25 18,94 4,41 8,28
Antar A
29,7 18 1,65
Dalam
60,95 19 - - - -
Total
Kesimpulan: Terdapat perbedaan yang sangat signifikan hasil belajar antara
Siswa Pria dan Wanita terhadap penerapan metode mengajar Sosiodrama yang
digunakan. Artinya hasil belajar siswa Pria dan Wanita berbeda sangat nyata
jika diterapkan metode mengajar Sosiodrama.
5. Pengaruh Jenis Kelamin terhadap Metode Mengajar Pemecahan

Masalah

H0 :1 = 2
H1 : 1  2
Untuk itu terlebih dahulu dihitung JK masing-masing sumber variasi:
JKT = (1568 + 385) -
JKB =
JKD = 30,4 + 12,9 = 43,3

dbT = NA – 1 = 30 – 1 = 29
dbB =b – 1 =2 – 1 = 1
dbD = NA – b = 30 – 2 = 28
196
Tabel 2.55. Daftar Anava Jenis Kelamin terhadap Metode Mengajar Pemecahan
Masalah
Sumber db Fo F0,05 (1,28) F0,01 (1,28)

Variansi JK RJK
198,45 1 198,45 128,33 4,20 7,64
Antar A
43,30 28 1,546
Dalam
241,75 29 - - - -
Total
Kesimpulan: Terdapat perbedaan yang sangat signifikan hasil belajar antara
Siswa Pria dan Wanita terhadap penerapan metode mengajar Pemecahan
Masalah. Artinya Ada pengaruh yang signifikan jika terapkan metode
Pemecahan terhadap hasil belajar Sejarah siswa Pria dan Wanita.
5. Uji Lanjut ( Pos Hoct)
Setelah dilakukan uji interaksi dan uji simple effect dan hasilnya
ternyata sangat signifikan, maka selanjutnya dilakukan uji lanjut (post hoct)
untuk mengetahui pengaruh metode mana yang memberikan perbedaan secara
signifikan dari ketiga metode yang dilibatkan. Untuk menguji hal itu digunakan
uji t yaitu:
Djaali, 1984)
1) Perbedaan metode mengajar Sosiodrama dengan Karyawisata

terhadap
Siswa Pria
H0 : 2 = 1
H0 : 2  1
Kriteria: Tolak H0 jika thitung > ttabel, sebaliknya terima H0
t (A2 – A1) =
197
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

Jadi thit = 6,96 > ttab = 2,47 maka H0 ditolak,
Kesimpulan: berarti terdapat perbedaan yang sangat nyata antara metode
Sosiodrama dengan metode Karyawisata, di mana penggunaan metode
sosiodrama adalah lebih memberi hasil yang lebih baik dari metode Karyawisata
jika diterapkan pada siswa Pria
2) Perebedaan metode mengajar Pemecahan Masalah dengan Karyawisata

terhadap Siswa Pria
H0 : 3 = 1
H0 : 3  1
t (A3 – A1) =
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

Jadi thit = 9,23 > ttab = 2,47 maka H0 ditolak.
Kesimpulan: Terdapat perbedaan yang sangat nyata antara Pemecahan Masalah
dengan Karyawisata. Artinya terdapat perbedaan yang sangat nyata hasil belajar
siswa dengan menggunakan metode mengajar karyawisata dengan menggunakan
metode mengajar Pemecahan Masalah, di mana penggunaan Pemecahan masalah
adalah lebih memberi hasil yang lebih baik dari Karyawisata jika diterapkan
pada siswa Pria
2) Penggunaan metode mengajar Pemecahan Masalah dengan

Sosiodrama
terhadap Siswa Pria
H0 : 2 = 1
H0 : 2  1
t (A3 – A2) =
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

Jadi thit = 9,23 > ttab = 1,70 maka H0 ditolak, berarti terdapat perbedaan
yang nyata antara Sosiodrama dengan Pemecahan Masalah. Artinya terdapat
perbedaan yang nyata hasil belajar siswa dengan menggunakan metode
mengajar Sosiodrama dengan menggunakan metode mengajar Pemecahan
Masalah, di mana penggunaan Pemecahan Masalah adalah lebih memberi hasil
yang lebih baik dari Sosiodrama jika diterapkan pada siswa Pria
198
Kesimpulan umum; Dari pengujian ketiga metode mengajar karyawisata,

sosiodrama dan Pemecahan Masalah yang diterapkan pada siswa Pria, ternyata
bahwa penggunaan ketiga metode tersebut memberikan hasil yang nyata, di
mana metode Pemecahan Masalah ternyata memberikan hasil terbaik, disusul
dengan penggunaan metode sosiodrama, dan metode Karyawisata.
3) Penggunaan metode mengajar Karyawisata dengan Sosiodrama

terhadap Siswa Wanita
H0 : 1 = 2
H0 : 1  2
t (A1– A2 =
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

yang sangat nyata antara Karyawisata dengan Sosiodrama. Artinya terdapat
perbedaan yang sangat nyata hasil belajar siswa dengan menggunakan metode
mengajar Karyawisata dengan Sosiodrama, di mana penggunaan Karyawisata
adalah lebih memberi hasil yang lebih baik dari sosiodrama, jika metode
mengajar tersebut diterapkan pada siswa Wanita. Hal ini merupakan kebalikan
jika hal tersebut diterapkan Siswa Pria.
4) Penggunaan metode mengajar Karyawisata dengan Pemecahan Masalah

Terhadap Siswa Wanita
H0 : 1 = 3
H0 : 1  3
t (A1 – A3) =
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

yang sangat nyata antara Pemecahan Masalah dengan Karyawisata. Artinya
terdapat perbedaan yang sangat nyata hasil belajar siswa dengan menggunakan
metode mengajar Karyawisata dengan menggunakan metode mengajar
Pemecahan Masalah, di mana penggunaan Karyawisata adalah lebih memberi
hasil yang lebih baik dari Pemecahan, jika metode mengajar tersebut diterapkan
199
Siswa Wanita. Hal ini merupakan kebalikan jika hal tersebut diterapkan pada
siswa Pria.
5) Penggunaan metode mengajarSosiodrama dengan Pemecahan Masalah

terhadap Siswa Wanita
H0 : 2 = 3
H0 : 2  3
t (A2 – A3) =
untuk db = 27 t(0,01 , 27) = 2,47 dan t(0,05 , 27) = 1,70

yang sangat nyata antara Sosiodrama dengan Pemecahan Masalah. Artinya
terdapat perbedaan yang sangat nyata hasil belajar siswa dengan menggunakan
metode mengajar Sosiodrama dengan menggunakan metode mengajar
Pemecahan Masalah, di mana penggunaan Sosiodrama adalah lebih memberi
hasil yang lebih baik dari Pemecahan Masalah, jika metode mengajar tersebut
diterapkan Siswa Wanita. Hal ini merupakan kebalikan jika hal tersebut
diterapkan pada siswa Pria.
Kesimpulan umum: Dari pengujian ketiga metode mengajar karyawisata,

sosiodrama dan Pemecahan Masalah yang diterapkan pada siswa Wanita,
ternyata bahwa penggunaan ketiga metode tersebut memberikan hasil yang
nyata, di mana metode Karyawisata ternyata memberikan hasil terbaik, disusul
dengan penggunaan metode sosiodrama, dan Pemecahan Masalah. . Hal ini
merupakan kebalikan jika hal tersebut diterapkan Siswa Pria.
7). Pengaruh Jenis Kelamin Pria dan Wanita terhadap Metode mengajar
Karyawisata
H0 : 1 = 2
H0 : 1  2
t (B2– B1 =
untuk db = 28 t(0,01 , 28) = 2,47 dan t(0,05 , 28) = 1,70

yang sangat nyata antara jenis Kelamin dengan metode mengajar Karyawisata.
Artinya metode mengajar Karyawisata lebih tepat digunakan pada Siswa
Wanita.
200
8) Pengaruh Jenis Kelamin Pria dan Wanita, terhadap metode

Sosiodrama
H0 : 1 = 2
H0 : 1  2
t (B1– B2 ) =
untuk db = 28 t(0,01 , 28) = 2,47 dan t(0,05 , 28) = 1,70

yang sangat nyata antara jenis Kelamin dengan metode mengajar Sosiodrama.
Artinya metode mengajar Sosiodrama lebih tepat digunakan pada siswa Wanita.
9) Pengaruh Jenis Kelamin Pria dan Wanita terhadap Metode

Pemecahan Masalah
H0 : 1 = 2
H0 : 1  2
t (B1– B2 ) =
untuk db = 28 t(0,01 , 28) = 2,47 dan t(0,05 , 28) = 1,70

yang sangat nyata antara jenis kelamin dengan metode mengajar Pemecahan
Masalah. Artinya metode mengajar Pemecahan Masalah lebih tepat digunakan
pada siswa Wanita.
Soal:
Dalam suatu penelitian eksperiment digunakan tiga buah perlakuan
metode mengajar A1 = Metode Karyawisata, A 2 = Metode Sosiodrama, dan A3 =
Metode Pemecahan Masalah diterapkan pada sekolah Negeri dan Swasta, yang
akan melihat pengaruh ketiga metode tersebut terhadap prastasi belakjar
Matematika (Y). Banyak siswa yang dilibatkan adalah 10 siswa. Hasilnya adalah
sebagai berikut :
Tabel 2.56. Data hasil Penelitian
NO A1B1 A2B1 A1B2 A2B2 A3B1 A3B2

1 7 12 12 7 14 7
2 3 10 19 8 12 4
201
3 6 11 11 7 13 6
4 7 9 8 8 10 7
5 5 11 9 9 11 5
6 5 12 9 8 12 5
7 6 10 10 10 13 6
8 6 10 10 9 13 6
9 7 14 11 9 16 7
10 7 9 13 8 10 8
Pertanyaan:
1) Formulasikan judul anda sesuai dengan nama variabel yang
dipilih
2) Buatlah pertanyaan penelitian (masalah) berdasarkan data
tersebut di atas dan nama variabel anda!
3) Buat hipotesis penelitian dan hipotesis statistiknya!
4) Lakukan uji hipotesis untuk menguji perbedaan rerata antara
kelompok, baik efek utama (main effect) maupun efek
sederhana (simple effect)
5) Lakukan uji lanjut (post hoct) untuk mengetahui mana yang
berbeda secara signifikan dari kelompok-kelompok yang ada
c. Anava 3 Jalan (Three Way Analysis Of Variance)
Anava 3 jalan dapat digunakan untuk menguji hipotesis yang
menyatakan perbedaan antara kelompok-kelompok cuplikan yang menggunakan
three factorial design Dengan ANAVA 3 jalan kita dapat mengetahui informasi
tentang :
1. Perbedaan rerata antara kelompok-kelompok cuplikan yang
disebabkan oleh masing-masing perlakuan dari ketiga perlakuan yang
diselidiki.
2. Ada tidaknya interaksi antara 2 perlakuan dari ke tiga
perlakuan yang diselidiki.
3. Ada tidaknya interaksi antara 3 perlakuan yang diselidiki
Jika ketiga perlakuan yang akan diselidiki pengaruhnya terhadap ubahan
terikat ialah A, B, dan C, maka rancangan yang tepat dihitung (dianalisis)
dengan ANAVA 3 jalan sebagai berikut :
Tabel 2. 57. Model umum Anava tiga jalan.

202
B C
A 
A1 A2 A3
C1
B1 C2
C3
C4
D1
D2
B2 D3
D4

Pengujian hipotesis dengan menggunakan ANAVA 3 jalan dapat dilakukan

dengan pertama sekali menghitung jumlah kuadrat (JK) untuk brbagai
sumber variansi yaitu antar A, antar B antar interaksi AB, interaksi AC,
interaksi BC, interaksi dalam, dan total. Sumber-sumber varians tersebut
jknya berturut-turut dilambangkan JKA, JKB, JKC, JKAB, JKBC, JKAC, JKABC,
JKD, dan JKT, di mana:
JKT = JKA + JKB + JKC + JKAB + JKBC +JKAC +JKABC + JKDF
Rumus-rumus untuk menghitung JK itu adalah sebagai berikut :
203
Setiap sumber variansi memiliki derajat kebebasan (db) yang besarnya

adalah:
dbA = a – 1;
dbC = b – 1;
dbC = c – 1;
dbA B = (a – 1)(b – 1);
dbAC = (a – 1)(c – 1);
db BC = (b – 1)(c – 1);
dbA BC = (a – 1)(b – 1)(c-1);
dbD = N – abc;
dbT = N – 1
Tabel 2. 58. Daftar Anava 3 Jalan
Sumber db Fo
Variansi JK RJK
204
JKA a–1 RJKA

Antar A
JKB b–1 RJKB

Antar B
JKC c-1 JKKC

Antar C
JKAB (a - 1)(b - 1) RJKAB

Interaksi AB
JKAC (a - 1)(c-1) RJKAC

Interaksi AC
JKBC (b- 1)(c- 1) RJKBC

Interaksi BC
JKABC (a-1)(b-1)(c- RJKABC

Interaksi ABC 1)
JKD N – ab RJKD -
Dalam
N -1 - -
Total
Sealnjutnya dapat dihitung rerata jumlah kuadrat (RJK) untuk masing-

masing sumber variansi dengan jalan membagi JK dengan db nya
masing-masing . Rangkuman semua nilai yang diperoleh disusun dalam
daftar ANAVA 3 jalan seperti tertera pada Tabel 2.66.
Untuk pengujian hipotesis pada rancangan seperti ini, nilai F0 dihitung

dengan rumus:
F0A = ; F0B = , F0C = ; F0AB = ; F0AC =
F0BC = ; F0ABC = , F0C = ; F0AB = ;
F0AC = ;
205
Kriteria pengujiannya ialah, jika F0 > Ft pada taraf signifikansi

yang dipilih, dengan yang sesuai maka H 0 sedang jika F0  Ft maka H0
diterima.
Cara penyajiannya ialah pertama-tama diuji F0ABC. Jika F0ABC
tidak signifikan maka selanjutnya diuji F 0AB, FAC, dan F0BC . Jika F0AB,
FAC, dan F0BC juga tidak signifikan maka selanjutnya dapat diuji F 0A, FB,
dan F0C yang disebut pengaruh utama (main effect).
Akan tetapi jika F0ABC signifikan yang menunjukan adanya
interaksi antara perlakuan A, B, dan C maka yang harus diuji selanjutnya
ialah pengeruh sederhana (simple effect)
Cara Pengujian Pengaruh Sederhana
 Jika F0ABC signifikan, maka yang diuji ada 3 kemungkinan, yaitu:
1. perbedaan antar A pada tiap kelompok kombinasi BjCk
2. perbedaan antar B pada tiap kelompok kombinasi AiCk
3. perbedaan antar C pada tiap kelompok kombinasi AiBj
 Jika F0ABC, F0AB, F0AC, tidak signifikan tetapi F 0BC signifikan ,
maka yang diuji ialah perbedaan antar B pada tiap kelompok C i
atau perbedaan antar C pada tiap kelompok B j.
 Jika F0ABC, FAB, dan F0BC tidak signifikan tetapi F0AC signifikan
maka yang diuji adalah perbedaan antar A pada tiap kelompok
Ck atau perbedaan antar C pada tiap kelompok A i
 Jika F0ABC, FAC, dan F0BC tidak signifikan tetapi F0AB signifikan
maka yang diuji adalah perbedaan antar A pada tiap kelompok
Bj atau perbedaan antar B pada tiap kelompok Ai
Contoh soal:
Misalkan A = metode mengajar
B= sikap terhadap pejalaran
C = IQ
A1 = metode ceramah
A2 = metode diskusi
A3 = metode penemuan
B1 = bersikap negatif
B2 = bersikap positif
C1 = IQ rendah
C2 = IQ sedang
C3 = IQ tinggi
Tabel 2.59. Data Anava 3 jalan
B C A
A1 A2 A3 
206
C1 3 3 4
3 4 6
4 5 6
 10 12 16 38
x2 0,667 2 2,667 5,3
C2 3 4 5
B1 4 5 6
6 6 6
 13 15 17 45
x2 4,667 2 0,667 7,3
C3 5 6 6
5 7 7
6 6 8
 16 19 21 56
x2 0,667 0,667 2 3,334
C1 4 4 6
4 5 6
5 5 7
 13 15 19 46
x2 0,667 0,667 0,667 2,00
C2 4 4 7
B2 4 5 7
5 7 7
 13 16 21 50
x2 0,667 4,667 0 5,334
C3 6 7 8
6 7 8
7 8 9
 19 22 25 66
x2 0,667 0,667 0,667 2
84 98 119 301

207
JKD = 0,667 + 2 + 2,667 + 4,667 + 2 + 0,667 + 0,667 + 0,667 + 2 + 0,667 +

0,667 +
0,667 + 0,667 + 4,667 + 0 + 0,667 + 0,667 + 0,667 = 25,336
JKT = 1793 -
208
Tabel 2. 60. Daftar Anava 3 jalan
Sumber Variansi db F0 p
JK RJK
34,481 2 17,2405 24,50 < 0,01
Antar A
9,796 1 9,796 13,92 < 0,01
Antar B
42,481 2 21,2405 30,18 < 0,01
Antar C
0,927 2 0,4635 0,66 > 0,05
Interaksi AB
0,742 4 0,1855 0,26 > 0.05
Interaksi AC
0,704 2 0,3520 0,50 > 0,05
Interaksi BC
0,739 4 0,1875 0,26 > 0,05
Interaksi ABC
25,336 36 0,7037 - -
Dalam
115,204 53 - - -
Total
db = (2,36)  F0,011 = 5,25

F0,05 = 3,26
db = (1,36)  F0,011 = 7,39

F0,05 = 4,11
F0ABC, F0AB, F0AC, F0BC tidak signifikan berarti tidak ada interaksi
antara perlakuan A, B, dan C
F0A > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan yang signifikan ( = 0,01) antara hasil belajar kelompok
siswa yang diajar dengan metode A1, A2, dan A3
F0B > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan yang signifikan ( = 0,01) antara kelompok siswa yang
bersikap positip dan kelompok siswa yang bersikap negatif terhadap
pelajar.
F0C > F0,01 adalah sangat signifikan berarti H 0 ditolak. Jadi ada
perbedaan hasil belajar yang sangat signifikan ( = 0,01) antara IQ
tinggi, IQ sedang, dan IQ rendah
209
Uji t untuk Ai dihitung sebagai berikut :
(signifikan)
(signifikan)
db = 36  t0,01 =2,44, dan t0,05 = 1,69

Uji t untuk Ci dihitung sebagai berikut :
(signifikan)
(signifikan)
ANAVA 2 jalan untuk menguji hipotesis dengan rancangan kombinasi factorial

design dan GWT Design atau Rancangan sama subyek . Jika salah satu
perlakuan semua tarafnya dieknakan pada subjek yang sama maka designnya
adalah sebagai berikut.
Tabel 2.61. Anava 2 jalan untuk menguji hipotesis dengan rancangan kombinasi
factorial design dan GWT Design atau Rancangan sama subyek
A
S A1 A2 A3
B
S1
B1 S2
S3
S4
S5
S1
S2
B2 S3
S4
S5
210
Analisisnya adalah sebagai berikut.
1. Mengabaikan A dan B
JKT = JKA + JKS + JKDS Mengabaikan B.
JKT = JKA + JKS + JKAS
2. Mengabaikan A (Group Within Treatment Design)
JKT = JKB + JKGWT + JKDS
Mengabaikan S
JKT = JKA + JKB + JKAB + JKD
Andaikan dianggap sebagai tiga perlakuan atau rancangan ABS:

JKT = JKA + JKB + JKS + JKAB+ JKAS + JKBS
Dari persamaan tersebut di atas diperoleh JK AB bukan komponen dari

JKS
Dari (1) dan (4) diperoleh:
JKS + JKDS = JKA + JKB + JKAB+ JKD
Karena JKAB bukan komponen JKS maka JKAB adalah komponen
dari JKDS.
Dari (4) diperoleh bahwa JKAB bukan komponen JKA. Dari (1) dan
(2) didapat:
JKS + JKDS = JKA + JKS + JKAS
JKDS = JKA + JKAS
Karena JKAB bukan komponen JKA maka JKAB adalah komponen dari
JKAS, berarti:
JKAS = JKAB + JKRES, atau:
JKRES = JKAS – JKAB  Error Term
Dari (1) dan (3) didapat:
JKS + JKDS = JKB + JKSWT + JKDS
JKS = JKB + JKSWT atau:
JKSWT = JKS – JKB  Error Term 1
Jadi di sini ada dua macam error term, yaitu:
1). Untuk menguji F0B, error termnya ialah RJKSWT
2). Untuk menguji F0A dan F0AB, error termnya ialah RJKRES.
Dengan demikian maka daftar ANAVA yang digunakan seprti pada tabel
berikut
211
Tabel 2.62. Daftar Anava 2 jalan model GWT.
Sumber Variansi JK db RJK F0

Antar S JKS s–1
Antar B JKB b–1
SWT (E1) JKS - JKB s–b
Antar A JKA a–1
Interaksi AB JKAB (a-1)(b-1)
Residu (E2) JKAS -JKAB dbAS -dbAB
Total JKT N–1
Cara perhitungannya ialah, pertama dihitung JK untuk berbagai sumber variansi

yaitu JKT, JKS, JKB, JKA, JKAB,JKAS, JKSWT , dan JKRES. Rumus untuk menghitung
JK adalah sebagai berikut.
212
Setiap sumber variansi memiliki derajat kebebasan (db) yang besarnya

adalah:
dbT = N – 1
dbA = a – 1;
dbC = b – 1;
dbS = s – 1;
dbA B = (a – 1)(b – 1);
dbSWT = s - b
db RES = (a – 1)(b – 1) - (a – 1)(b – 1)
Sealnjutnya dapat dihitung rerata jumlah kuadrat (RJK) untuk masing-

masing sumber variansi dengan jalan membagi JK dengan db nya
masing-masing . Nilai yang diperoleh disusun dalam daftar ANAVA
nya.
Untuk pengujian hipotesis pada rancangan seperti ini, nilai F 0 dihitung

dengan rumus:
F0A = ; F0B = ; F0AB = .
Kriteria pengujiannya ialah, jika F0 > Ft pada taraf signifikansi

yang dipilih, dengan db yang sesuai maka H 0 ditolak, sedang jika F0  Ft
maka H0 diterima.
Contoh :
Diketahui : A = periode pengamatan (prestasi)
A1 = prestasi bulan pertama
A2 =prestasi bulan kedua
A3 = prestasi bulan ketiga
B = metode mengajar
B1 = metode ceramah
B2 = metode diskusi
B3 = metode penemuan
Untu menggambarkan hal ini berikut disajikan analisis dan penyajian

datan yang bersesuaian sebagai berikut. Andaikan pada suatu penelitian
diberikan pengajaran di kelas dengan menerapkan periode pengamatan kinerja
siswa pada bulan pertama, kedua dan ketiga. Dalam pembelajaran tersebut
diterapkan mtode mengajar berbeda, yaitu metode mengajar 1, 2, dan 3, dan
diberikan pada kelompok 1, 2, 3, 4, dan 5. Datanya sebagai berikut.
213
Tabel 2.63. Model Anava 2 jalan untuk rancangan kombinasi factorial

design dan GWT Design atau Rancangan sama subyek
A
S A1 A2 A3 
B
S1 4 4 4 12
B1 S2 4 5 5 14
S3 5 6 5 16
S4 5 5 5 15
S5 6 6 5 17
 24 26 24 74
S1 3 4 5 12
S2 3 4 5 12
B2 S3 4 5 6 15
S4 5 6 6 17
S5 5 6 7 18
 20 25 29 74
S1 2 6 8 16
S2 2 7 9 18
B3 S3 3 7 9 19
S4 4 6 8 18
S5 4 8 10 22
 15 34 44 93
 59 85 97 241
214
Tabel 2.64. Ringkasan Anava Model GWT
Sumber JK db RJK F0 P
Variansi
Antar S 37,644 14 2,689 - -
Antar B 10,044 2 8,022 4,46 < ,05
SWT (E1) 21,600 12 1,800 - -
Antar A 50,311 2 25,155 116,10 < ,01
Interaksi AB 45,156 4 11,289 52,10 < ,01
Residu (E2) 5,200 24 0,216 - -
Total 138,311 44 - - -
db = (2, 12)  F0,01 = 6,93; F0,05 = 3,88
db = (2, 24)  F0,01 = 5,61; F0,05 = 3,40
db = (4, 24)  F0,01 = 4,22; F0,05 = 2,70
215
LATIHAN 2
1. Di dalam sebuah tes di mana jawaban benar dinyatakan dengan 1 dan jawaban
salah dinyatakan dengan 0, dan butir-butir tes itu adalah homogen, butir 1
memiliki frekuensi jawaban benar p = 0,50. Distribusi butir tersebut sebagai
berikut:
0,50 0,50
0 1
Butir 2 memiliki p = 0,80. Jika r12 = 1,00, hal ini diselesaikan dengan semua
50% yang menjawab benar butir 1, dan dengan 30% sisanya. Distribusi sekor
untuk butir 1 dan 2 sebagai berikut:
0,50
0,20 0,30
0 1 2
Gambarkan distribusi tes yang dimasukkan, di mana butir 3 memiliki p =
0,90, butir 4 dengan p = 0,70, butir 5 dengan p = 0,60, butir 6 dengan p =
0,10, butir 7 dengan p = 0,20, butir 8 dengan p = 0,30, dan butir 9 dengan p =
0,40. Apakah tipe distribusi yang diperoleh?
2. Gambarkan dan jelaskan distribusi berikut. Bandingkan dengan soal nomor 1

(asumsi sama seperti masalah 1)
p1 = 0,50 p4 = 0,69 p7 = 0,02
p2 = 0,98 p5 = 0,93 p8 = 0,31
p3 = 0,84 p6 = 0,16 p9 = 0,07
3.
a. Gunakan Tabel untuk menentukan luas daerah sebelah kiri dari sekor-
sekor z berikut: -2,25, -1,75, -1,25, -0,75, -0,25, 0,25, 0,75, 1,25, 1,75,
2,25
b. Gunakan tabel z yang sama, temukan luas daerah antara nilai-nilai sekor-
sekor z: - dan -2,25; -2,25 dan -1,75; -1,75 dan -1,25; -1,25 dan -0,75; -
0,75 dan dan -0,25; -0,20 dan 0,25; 0,25 dan 0,75; 0,75 dan 1,25; 1,25
dan 1,75; 1,75 dan 2,25; 2,25 dan .
4. Temukanlah sekor z yang menghubungkan nilai p terhadap masing-masing
butir dalam : a. Soal 1 dan b. Soal 2. Bandingkan korelasi antara sekor z
untuk dua himpunan data tersebut.
5. (a) Untuk data matriks data di atas, konstruksilah sebuah distribusi sekor-sekor
total dengan bobot kelas 2. (b) Hitunglah f, p, dan z padqa masing-masing
butir itu. (c) Pilihlah kira-kira 10 butir untuk bentuk suatu tes yang
216
menhasilkan distribusi normal untuk 20 subjek. (d) Lukislah distribusi

tersebut.
6. Buatlah sel-sel berikut di dalam matriks yang memiliki suatu nilai 1 atau 0: (a)
x3,8, (b) x7,4, (c) x2,19, (d) x10,12, (e) x3,10, (f) x14,6?
7. Hitunglah varians untuk masing-masing butir tes dalam matriks tersebut.
8. Hitunglah vaians dari distribusi pada soal 6 (a).
9. Hitunglah rerata sekor setiap orang yang dites menggunakan:
(a)
(b) p. Bandingkanlah hasil-hasilnya
10. Tentukan masing-masing korelasi biserial butir dari tabel berikut.
Tabel 2.73. Data jawaban 20 butir tes objektif oleh 30 siswa.
Butir tes nomor...

Siswa
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 T
1 0 0 0 0 1 1 1 0 1 1 1 0 0 0 1 0 0 0 0 1 ...
2 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 1 1 0 0 1 ...
3 0 0 1 1 0 1 0 1 0 1 1 0 0 1 0 0 0 0 0 1 ...
4 1 0 0 0 0 0 0 0 1 1 1 1 0 1 0 0 1 1 1 0 ...
5 1 1 1 0 0 0 1 1 0 1 1 1 0 1 1 1 1 1 1 0 ...
6 0 0 1 1 1 1 0 1 1 0 0 1 1 0 1 0 1 1 0 0 ...
7 1 0 1 0 0 0 0 0 0 0 1 1 0 0 1 0 1 0 1 1 ...
8 1 0 0 1 1 1 1 1 1 0 1 0 0 0 1 0 0 1 0 1 ...
9 0 1 1 0 1 0 0 0 1 1 0 0 1 1 0 1 1 1 0 1 ...
10 0 0 1 1 0 0 0 0 1 0 1 1 1 1 0 0 0 1 0 0 ...
11 1 0 0 0 1 0 1 1 0 1 0 0 0 1 0 1 0 1 1 1 ...
12 0 1 0 1 1 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 ...
13 0 0 0 1 0 1 1 0 0 0 0 0 1 1 0 1 0 0 1 0 ...
14 0 0 1 1 0 1 0 0 0 1 0 0 1 0 0 1 1 1 1 0 ...
15 0 0 0 1 0 1 0 0 0 0 0 0 0 1 1 0 0 0 0 0 ...
16 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 0 1 0 1 1 ...
17 1 1 0 1 0 0 1 1 0 0 0 0 1 1 0 1 0 1 0 0 ...
18 0 1 1 0 1 0 0 0 0 1 0 0 1 0 0 1 1 1 0 0 ...
19 0 0 1 1 1 0 1 1 1 0 0 0 1 0 1 0 0 0 0 0 ...
20 1 0 1 1 0 1 1 1 0 0 0 0 0 0 1 1 0 0 0 1 ...
21 1 0 1 1 0 0 1 1 1 0 0 1 0 0 0 0 0 1 0 1 ...
22 1 0 1 1 0 0 0 1 1 1 0 1 0 1 1 0 0 0 0 1 ...
23 0 0 0 0 0 0 0 1 1 1 0 1 1 0 0 0 1 0 1 1 ...
24 1 1 0 0 0 1 1 0 0 1 1 0 1 1 0 0 0 1 0 0 ...
25 1 0 0 1 0 0 1 0 1 1 0 0 1 1 0 0 1 1 1 0 ...
26 1 1 1 1 0 0 1 0 1 0 0 0 1 0 0 1 1 1 1 1 ...
217
27 1 1 1 1 0 1 0 0 0 0 0 0 1 1 1 0 0 0 0 0 ...
28 0 0 0 1 1 1 0 1 0 0 0 1 0 1 1 0 1 0 0 1 ...
29 1 1 1 1 0 0 0 0 1 1 0 0 1 1 0 1 1 1 0 1 ...
30 1 1 0 0 1 1 1 1 1 0 0 0 0 1 0 1 1 1 0 0 ...
B 15 11 15 19 11 14 13 14 14 15 8 10 14 17 12 12 15 16 10 15
S 15 19 15 11 19 16 17 16 16 15 22 20 16 13 18 18 15 14 20 15
p 0.5 0.37 0.5 0.63 0.37 0.47 0.43 0.47 0.47 0.5 0.267 0.33 0.47 0.57 0.4 0.4 0.5 0.53 0.33 0.5
q 0.5 0.63 0.5 0.37 0.63 0.53 0.57 0.53 0.53 0.5 0.733 0.67 0.53 0.43 0.6 0.6 0.5 0.47 0.67 0.5 0.63
11.Tentukan masing-masing korelasi biserial butir soal dari tabel berikut.
Tabel 2.74. Data jawaban 12 butir tes objektif oleh 55 siswa.
Butir
Siswa
1 2 3 4 5 6 7 8 9 10 11 12
1 1 1 1 0 1 0 1 1 0 1 1 1
2 1 0 0 0 0 0 0 0 1 0 0 1
3 0 1 0 1 0 0 1 0 0 0 1 0
4 0 0 0 0 1 1 0 1 1 0 0 0
5 0 0 1 1 0 0 0 0 0 0 0 1
6 1 1 0 1 1 1 0 0 1 1 0 0
7 0 0 0 0 0 1 0 0 1 1 0 0
8 1 1 1 1 1 1 0 1 0 0 0 0
9 1 0 0 0 1 1 0 0 1 1 0 1
10 0 0 0 0 1 0 1 1 1 1 0 0
11 1 0 1 1 0 1 0 0 0 1 0 1
12 1 1 0 0 0 0 0 0 0 0 1 1
13 0 1 1 0 0 0 1 0 1 1 0 1
14 0 1 0 0 0 1 1 0 1 0 0 1
15 0 1 0 0 0 0 1 0 0 1 1 1
16 0 1 0 1 0 1 1 1 0 1 0 1
17 0 0 1 1 0 0 1 0 1 1 1 1
18 1 0 0 0 0 1 0 0 1 0 0 1
19 1 0 1 1 1 0 0 1 1 0 1 0
20 0 1 1 1 0 0 0 0 0 1 1 1
21 0 0 1 1 1 0 1 1 0 0 0 1
22 0 0 0 1 1 1 1 1 0 1 1 1
23 0 0 0 1 1 1 1 1 1 0 0 1
24 0 1 1 1 0 1 1 0 1 1 0 0
25 0 0 1 0 1 1 0 0 1 1 1 0
218
26 0 0 1 0 1 1 0 0 1 0 0 1
27 0 1 0 0 0 1 0 0 1 1 0 0
28 1 1 0 1 0 0 0 1 0 1 1 0
29 0 0 0 0 1 1 0 0 1 1 0 1
30 1 1 1 1 1 0 0 0 0 1 0 1
31 1 0 1 0 1 0 0 1 0 0 1 0
32 t t 0 1 0 1 0 1 0 1 0 1
33 0 0 0 0 0 0 0 0 0 0 0 0
34 1 1 1 1 1 1 1 1 1 1 1 1
35 0 0 1 0 0 1 1 1 0 0 1 1
36 0 0 0 0 0 0 1 0 0 0 0 0
37 1 1 0 1 0 0 0 0 1 1 0 0
38 1 1 0 0 0 0 0 1 1 1 1 1
39 0 0 0 0 1 1 0 0 0 0 1 1
40 0 0 1 1 1 1 0 0 0 0 0 0
41 1 1 1 1 0 0 1 1 1 1 0 0
42 1 1 0 0 0 0 1 1 1 1 0 0
43 1 0 0 0 1 1 0 0 1 0 0 0
44 0 0 1 1 1 1 0 0 0 0 1 1
45 0 1 1 1 1 0 1 1 0 1 1 1
46 0 1 1 0 0 0 1 1 0 1 0 0
47 1 1 0 0 0 1 1 0 1 1 0 0
48 1 0 0 1 0 1 0 0 1 0 1 1
49 1 0 0 1 1 1 0 1 1 0 1 1
50 1 0 1 1 1 0 0 1 1 0 1 0
51 1 1 1 0 1 0 1 1 1 1 0 0
52 0 1 1 0 1 0 1 0 0 1 0 1
53 1 1 1 0 1 1 1 0 1 1 0 1
54 1 1 1 1 0 1 1 0 1 1 1 1
55 0 1 0 1 1 1 1 1 1 1 1 0
B
S
p
q
12. Tentukan masing-masing korelasi biserial butir dari tabel berikut.
Tabel 2.75. Data jawaban huruf terhadap 13 butir tes objektif oleh 30 siswa.
No Kunci Jawaban Butir Tes
219
Soal B D B A C B C D E D C C D
1 2 3 4 5 6 7 8 9 10 11 12 13
1 D D D A A A B C D E D C C
2 A B B A A C B D E E C C C
3 D D D A A A B D D E C A C
4 D D B E A A D D D E B C C
5 B C D A C A D D D C B C B
6 D B B C C A D B D C C C C
7 B B D A C A B D D C A C C
8 D A D A C C D D B C C B D
9 B A D D C C A B D C A B D
10 B A B A C C D D D C C D D
11 B A D B E C D D B E C B B
12 B A A A D A B C D D D C D
13 C A D A E C D B D D E C D
14 E A D A B C B B C D A C B
15 C D B D B D D A B D B D D
16 C A D B D D B A B B D D D
17 C B B D D B B A B D D B C
18 D A D A B D D B D A B D C
20 B A B D D D B D D D D D C
21 A D B D D B D D B D B D D
22 A B D D B D A B D B D B D
23 C D D B D D D D D D B D D
24 C A B D D B D D B A D D B
25 C D D A B D D B D D A B D
26 C D D D D D B D D D D D D
27 A B C D D B D D B B D D B
28 C D B B C D A B D D B C D
29 C B B D B D D D D B D B D
30 C D A B B C D D B D B B C
B
S
p
q
220
13. Tentukan masing-masing korelasi biserial butir dari tabel berikut:
Tabel 2.76. Data jawaban huruf terhadap 24 butir tes objektif oleh 40 siswa
Butir ke… dan

Siswa
Kunci Jawaban butir ke…

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
a b d a a a a c a b d a a a a c e a b d d e a
1 a b c e b c e a b d d e a a b c d e b c e a d
2 c e b c e a b d d e a a c e a b d d e a a b e
3 b d d e a d b c e b b c e a b d d e a a b c e
4 d e a a c d e b c e e a b d d e a a c e a b d
5 e a b d d e a a b c a d b d b d d e a d b c e
6 b d d e a a c e a b c d d e d e a a c d e b c
7 b c e b c e a b d d d e e a e a b d d e a a b
8 e b c e a b d d e a a a b d b d d e a a c e a
9 b c e a b d d e a a c e b c b c e b c e a b d
10 e a b d d e a a c e a b e b e b c e a b d d e
11 a D b c e b c e a b d d b c b c e a b d d e a
12 c d e b c e a b d d e a e a e a b d d e a a c
13 d e a a b c d e b c e a a d a d b c e b c e a
14 a a c e a b d d e a a b c d c d e b c e a b d
15 c e a b d d e a a b c d d e d e a a b c d e b
16 a b d d e d b c e b b c e a b d d e a a b c e
17 d b c e b d e b c e e a b d d e a a c e a b d
18 d e b c e e a a b c a d b d b d d e a d b c e
19 e a a b c a c e a b c d d e d e a a c d e b c
20 a c e a b e a b d d d e e a e a b d d e a a b
21 e a b d d b d d e a a a b d b d d e a a c e a
22 b d d e a d d e a a c e b c b c e b c e a b d
23 d d e a a e a a c e a b e b e b c e a b d d e
24 e a a c e b c e a b d d b c b c e a b d d e a
25 b c e a b e a b d d e a e a e a b d d e a a c
26 e a b d d c d e b c e a a D a D b c e b c e a
27 c d e b c b d d e a a b c d c d e b c e a b d
28 b d d e a d e a a b c d d e d e a a b c d e b
221
29 d e a a b a a c e a b d a a a a c e a b d d e
30 a a c e a b d a a b e a b d d d e e a e a b d
31 b e a b d d d e b d b d d e a a a b d b d d e
32 d b d d e a a a d a d d e a a c e b c b c e b
33 a d d e a a c e a a e a a c e a b e b e b c e
34 a e a a c e a b a e b c e a b d d b c b c e a
35 e b c e a b d d e b e a b d d e a e a e a b d
36 b e a b d d e a b d c d e b c e a a e a b b c
37 d c d e b c e a d c b d d e a a b c d c d e b
38 c b d d e a a b c a d e a a b c d d e d e a a
39 a d e a a b c d a b a a c e a b d a a a a c e
40 b a a c e a b d b a b d a a a a c e a b d d e
B
S
p
q
pq
14. Tentukan korelasi biserial dari masing-masing butir tes dari data pada tabel
berikut.
Tabel 2.77. Sekor hasil ujian Matematika untuk 20 butir tes objektif
yang dijawab oleh 20 orang siswa.
Sis
wa 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 1
1 0 0 1 1 0 1 0 1 1 0 1 0 0 0 0 0 1
2 1 0 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1
3 1 0 1 0 0 1 1 1 1 0 1 0 0 1 0 0 1
4 0 0 0 1 0 0 0 1 1 1 1 0 0 1 0 0 1
5 0 0 1 1 0 1 1 1 0 0 1 0 0 0 0 0 1
6 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 1 1
7 0 0 0 1 0 1 1 1 1 0 0 0 0 1 0 1 1
8 0 0 1 1 0 1 1 1 0 1 0 1 0 1 0 1 0
9 1 1 1 1 0 0 0 1 1 0 1 0 0 1 1 0 1
10 0 1 0 1 1 1 0 0 0 1 1 0 1 0 0 0 1
11 0 0 0 1 0 1 1 0 1 0 0 0 0 0 0 1 1
12 1 0 0 0 0 0 0 0 0 0 0 0 1 1 0 1 0
13 0 0 0 1 0 0 1 1 1 0 1 0 0 1 0 0 1
14 1 0 0 1 0 1 1 1 1 1 0 0 0 1 1 0 0
222
15 0 1 1 0 1 1 0 1 0 1 1 1 0 0 1 1 0
16 1 1 1 1 1 0 0 1 0 1 1 0 0 1 1 1 0
17 1 1 1 0 1 1 1 1 1 1 1 1 1 0 0 1 1
18 1 1 1 1 1 0 1 1 0 1 0 0 1 1 1 1 1
19 0 1 1 0 1 1 0 1 1 1 0 1 1 0 0 1 1
20 1 0 1 1 0 0 1 1 1 1 0 0 1 1 1 1 1
∑ 10 7 12 14 6 11 10 16 12 12 11 4 6 11 6 11 15
st
15. Pada Tabel berikut diketahui data dikotomi X dan data kontinu Y dari 50
siswa. Hitung korelasi biserial titiknya.
Tabel 2.78. Data dikotomi X dan data kontinu Y dari 50 siswa
No X Y Y0 Y1
1 1 17 ... ...
2 1 13 ... ...
3 1 13 ... ...
4 0 15 ... ...
5 0 15 ... ...
6 0 16 ... ...
7 1 16 ... ...
8 0 17 ... ...
9 1 25 ... ...
10 0 50 ... ...
11 1 57 ... ...
12 0 47 ... ...
13 0 55 ... ...
14 1 68 ... ...
15 1 70 ... ...
16 1 82 ... ...
17 1 66 ... ...
18 0 75 ... ...
19 0 38 ... ...
20 1 44 ... ...
21 0 66 ... ...
22 1 88 ... ...
23 0 90 ... ...
24 1 16 ... ...
25 0 17 ... ...
223
26 0 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 1 70 ... ...
33 1 82 ... ...
34 1 66 ... ...
35 0 75 ... ...
36 1 38 ... ...
37 1 44 ... ...
38 0 66 ... ...
39 0 88 ... ...
40 0 90 ... ...
41 0 36 ... ...
42 1 17 ... ...
43 1 35 ... ...
44 1 25 ... ...
45 1 44 ... ...
46 1 32 ... ...
47 0 45 ... ...
48 1 43 ... ...
49 1 62 ... ...
50 0 74 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
224
16. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) dan data
kontinu Y (sekor total) dari hasil ujian 75 siswa.
Hitung korelasi biserial titiknya
No X Y Y0 Y1
1 1 60 ... ...
2 1 95 ... ...
3 1 78 ... ...
4 0 67 ... ...
5 0 73 ... ...
6 0 53 ... ...
7 1 75 ... ...
8 0 85 ... ...
9 1 76 ... ...
10 0 86 ... ...
11 1 77 ... ...
12 0 65 ... ...
13 0 80 ... ...
14 1 87 ... ...
15 1 67 ... ...
16 1 55 ... ...
17 1 78 ... ...
18 0 87 ... ...
19 0 93 ... ...
20 1 83 ... ...
21 0 75 ... ...
22 1 85 ... ...
23 0 86 ... ...
24 1 66 ... ...
25 0 77 ... ...
26 0 85 ... ...
27 1 80 ... ...
28 1 77 ... ...
29 0 87 ... ...
30 0 75 ... ...
31 1 68 ... ...
32 1 70 ... ...
33 1 82 ... ...
225
34 1 66 ... ...
35 0 75 ... ...
36 1 78 ... ...
37 1 84 ... ...
38 0 66 ... ...
39 0 88 ... ...
40 0 90 ... ...
41 0 76 ... ...
42 1 87 ... ...
43 1 75 ... ...
44 1 85 ... ...
45 1 64 ... ...
46 1 72 ... ...
47 0 75 ... ...
48 1 83 ... ...
49 1 92 ... ...
50 0 74 ... ...
51 1 85 ... ...
52 1 50 ... ...
53 1 57 ... ...
54 1 47 ... ...
55 0 55 ... ...
56 0 68 ... ...
57 1 70 ... ...
58 0 82 ... ...
59 1 66 ... ...
60 0 75 ... ...
61 1 38 ... ...
62 0 44 ... ...
63 0 66 ... ...
64 1 88 ... ...
65 1 90 ... ...
66 0 36 ... ...
67 0 57 ... ...
68 1 65 ... ...
69 1 75 ... ...
70 1 84 ... ...
71 0 82 ... ...
72 0 75 ... ...
73 0 86 ... ...
226
74 1 77 ... ...
75 0 95 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
17. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) untuk dan
data Y (sekor total ) dari 100 siswa. Hitung korelasi biserial titiknya
N0 X Y Y0 Y1
1 1 25 ... ...
2 1 35 ... ...
3 0 25 ... ...
4 0 44 ... ...
5 1 32 ... ...
6 1 45 ... ...
7 1 43 ... ...
8 1 62 ... ...
9 0 74 ... ...
10 1 25 ... ...
11 1 50 ... ...
12 0 57 ... ...
13 0 47 ... ...
14 0 55 ... ...
15 0 68 ... ...
16 1 70 ... ...
17 1 82 ... ...
18 1 66 ... ...
19 1 75 ... ...
20 1 38 ... ...
21 0 44 ... ...
227
22 1 15 ... ...
23 1 16 ... ...
24 0 16 ... ...
25 1 17 ... ...
26 1 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 0 70 ... ...
33 1 82 ... ...
34 0 66 ... ...
35 1 75 ... ...
36 0 38 ... ...
37 0 44 ... ...
38 1 66 ... ...
39 1 88 ... ...
40 0 90 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
228
17. Pada Tabel berikut diketahui data dikotomi X (jawaban butir tes) untuk dan
data Y (sekor total ) dari 100 siswa. Hitung korelasi biserial titiknya
N0 X Y Y0 Y1
1 1 25 ... ...
2 1 35 ... ...
3 0 25 ... ...
4 0 44 ... ...
5 1 32 ... ...
6 1 45 ... ...
7 1 43 ... ...
8 1 62 ... ...
9 0 74 ... ...
10 1 25 ... ...
11 1 50 ... ...
12 0 57 ... ...
13 0 47 ... ...
14 0 55 ... ...
15 0 68 ... ...
16 1 70 ... ...
17 1 82 ... ...
18 1 66 ... ...
19 1 75 ... ...
20 1 38 ... ...
21 0 44 ... ...
22 1 15 ... ...
23 1 16 ... ...
24 0 16 ... ...
25 1 17 ... ...
26 1 25 ... ...
27 1 50 ... ...
28 1 57 ... ...
29 0 47 ... ...
30 0 55 ... ...
31 1 68 ... ...
32 0 70 ... ...
33 1 82 ... ...
34 0 66 ... ...
229
35 1 75 ... ...
36 0 38 ... ...
37 0 44 ... ...
38 1 66 ... ...
39 1 88 ... ...
40 0 90 ... ...
41 0 36 ... ...
42 1 17 ... ...
43 1 35 ... ...
44 1 25 ... ...
45 1 44 ... ...
46 1 32 ... ...
47 0 45 ... ...
48 1 43 ... ...
49 1 62 ... ...
50 0 74 ... ...
51 1 25 ... ...
52 1 50 ... ...
53 1 57 ... ...
54 1 47 ... ...
55 0 55 ... ...
56 0 68 ... ...
57 1 70 ... ...
58 0 82 ... ...
59 1 66 ... ...
60 0 75 ... ...
61 1 38 ... ...
62 0 44 ... ...
63 0 66 ... ...
64 1 88 ... ...
65 1 90 ... ...
66 0 36 ... ...
67 0 17 ... ...
68 1 35 ... ...
69 1 25 ... ...
70 1 44 ... ...
71 0 32 ... ...
72 0 45 ... ...
73 0 36 ... ...
74 1 17 ... ...
230
75 0 35 ... ...
76 1 57 ... ...
77 1 47 ... ...
78 0 55 ... ...
79 0 68 ... ...
80 1 70 ... ...
81 1 82 ... ...
82 1 66 ... ...
83 1 75 ... ...
84 1 38 ... ...
85 0 44 ... ...
86 1 66 ... ...
87 1 88 ... ...
88 0 90 ... ...
89 1 36 ... ...
90 1 17 ... ...
91 1 35 ... ...
92 1 25 ... ...
93 0 44 ... ...
94 0 32 ... ...
95 1 45 ... ...
96 0 43 ... ...
97 1 38 ... ...
98 0 44 ... ...
99 1 66 ... ...
100 0 88 ... ...
Dengan demikian:
p …
q …
Yo …
Y1 …
Y …
pb …
231

Bab 2 Statistika Dalam Penilaian Hasil Belajar 2.1. Pengertian Statistik Fungsi

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab 2 Statistika Dalam Penilaian Hasil Belajar 2.1. Pengertian Statistik Fungsi

Diunggah oleh

Hak Cipta:

Format Tersedia

Statistika dalam Penilaian Hasil Belajar

2.1. Pengertian Statistik Fungsi

Aktivitas pembelajaran di sekolah adalah rutin dilakukan oleh guru

2. 2. Sekor Hasil Belajar

Informasi kegiatan belajar dan mengajar harus diupayakan secara

Berhasilnya suatu tujuan pendidikan tergantung pada bagaimana proses

Siswa Butir Tes Total

Sekor – Satuan pada Siswa

Keberadaan letak sekor satuan dari jawaban siswa mencakup semua

Tabel 2.2. Jawaban siswa untuk sejumlah butir tes objektif

Dalam penilaian hasil belajaran, sekor tes dianalisis dengan statistika

apakah perbedaan itu merupakan perbedaan yang berarti (signifikan) ataukah

2. 3. Distribusi Frekuensi Data.

Pada suatu proses pengukuran melalui suatu instrument tes atau

Selanjutnya, dalam kaitan dengan pengelompokkan data ke dalam

Sebagai contoh, perhatikan contoh data hasil tes Matematika yang

Dalam pengukuran hasil belajar yang cukup banyak, data hasil

1. data yang tersebar dikumpulakan dan diringkas dalam bentuk kisaran

3. gambaran dan karakteristik data merupakan dasar dalam penyusunan

Tahapah atau langkah-langkah yang harus yang harus diterapkan untuk

1. Lakukan penyusunan data, idealnya dari data terkecil ke data yang

3. Tetapkan banyak kelas yang diinginkan, idealnay berkisar antara 5 dan

4. Tentukan panjang kelas interval (p), di mana :

2. Banyak Kelas = 1 + 3,3 x log(n) = 1 + 3.3 x log(200) = 8,6 ≈ 9

Tabel 2.3. Nilai Distribusi frekuensi

2. 4. Distribusi Frekuensi Relatif dan Kumulatif

Hal penting dari variasi distribusi frekuensi dasar adalah dengan

Contoh: frekuensi relatif kelas ke-1:

Tabel 2.4. Frekuensi komulatif dan frekuensi relatif

Nilai Ujian frekuensi Frekuensi frekuensi

a. Distribusi Frekuensi kumulatif

Pada penyusunan distribusi frekuensi, dapat ditampilkan frekuensi

Tabel 2.5. Frekuensi kumulatif kurang dari

atau dapat disusun dalam bentuk seperti ini:

Tabel 2.6. Frekuensi kumulatif kurang dari

Dari distribusi frekuensi dapat dibuat suatu histogram

nilai frekuensinya, dan batang satu dengan lainnya saling

Gambar 2.1. Histogram distribuasi rekuensi hasil pengamatan.

Pada distribusi frekuensi dapat pula dibuat grafik

Gambar 2.2. Poligon frekuensi data.

Jadi rerata simpangan

2.5. Simpangan Baku

di mana: s = simpangan baku, xi = data ke i, = rerata data, n = banyak data.

Dari tabel 2, diperoleh simpangan baku sebagai berikut :

Untuk data kelompok, maka simpangan bakunya dirumuskan sebagai berikut:

atau variansnya menjadi:

di mana: p= panjang kelas interal, f = frekuensi data, d = deiasi data, n = banyak

Contoh: Tabel 2.7. Daftar distribusi frekuensi dan perhitungan simpanganbaku,

Tabel 2.7. Tahap perhitungan simpangan baku

2.6. Bilangan Baku

2.7. Koefisien Kovarians

Secara umum, kovarians dirumuskan

(Oslon; 1978: 438)

Tabel 2.8. Sekor hasil belajar Matematika dan Fisika 20 siswa.

Siswa Mata Pelajaran

Rerata 57.45 66.1 ∑ -62.9

1. Korelasi bernilai positif bermakna kenaikan satu variabel mengakibatkan

Tabel 2.9. Nilai Kritik dari r Product – Moment

N Interval Keperecayaan N Interval Keperecayaan

16 0,497 0,623 49 0,281 0,364

Contoh: Dari data Tabel 2.11, hitunglah korelasi antara X dan Y

Tabel 2.10. Proses perhitungan koefisien korelasi